Core.today는 LoCoMo 메모리 벤치마크를 다시 채점한 자체 실험에서 같은 답변의 점수가 심판 프롬프트에 따라 55.8~81.4점으로 달라졌다고 보고했다. 모델뿐 아니라 정답표 오류와 모호한 판정도 결과를 흔든다는 분석이다. 별도의 공개 감사 저장소는 1540개 문항 중 99개의 정답 오류와 추가 인용 문제를 기록했다. 두 감사의 조건과 집계 기준은 같지 않으며 여기서 재현한 결과도 아니다. 시스템 비교에는 심판과 프롬프트, 정답 수정 이력 및 비용을 함께 공개할 필요가 있다.