文章探讨了“让它运作”与“让它优秀”的区别。运作是二元问题，易获认可，如网站响应式只需加媒体查询；而优秀是主观的，需多学科知识与品味，如速度、可访问性、直观性等，难以达成共识。作者认为，运作是前90%的工作，优秀是后90%，后者更难且常被忽视。

本研究提出了一种方法，通过不超过20个二元问题，在黑箱环境中有效区分两个大型语言模型（LLMs）。作者开发了两种提问启发式方法，能够在使用一半问题的情况下有效区分22个LLMs，为审核者提供隐秘性优势。