Nish Tahir는 Qwen3-1.7B의 출력을 다섯 선택지 토큰으로 제한해 한 번의 순전파로 답을 고르는 실험을 공개했다. CommonsenseQA 1221개에서 정확도는 59.38%, 미세 조정 뒤 62.41%였지만 높은 신뢰도 구간은 평균 확률 98.55%에 실제 정답률 70.09%로 과신했다. 온도 스케일링으로 이 차이를 완화했으며 공개 저장소에서도 실험 구성을 확인했다. 이는 선택지 밖 응답을 막는 기능과 정답 확률의 보정이 서로 다른 문제임을 보여주며 다른 데이터로 일반화하려면 별도 평가가 필요하다.