นักวิจัยได้ตรวจสอบโมเดลพื้นฐานทางดาราศาสตร์ชื่อ AION-1 ซึ่งเป็น Transformer ที่ฝึกฝนด้วยข้อมูลวัตถุมากกว่า 200 ล้านชิ้น พบว่าโมเดลมีพฤติกรรมยึดติดกับข้อมูล 'แคตตาล็อก' หรือ Metadata มากเกินไปจนละเลยข้อมูลจากพิกเซลภาพจริง ผลจากการทำ Causal Interventions พบว่าเพียงแค่แก้ไขแผนผังการตรวจจับ (segmentation map) โดยที่ไม่ได้เปลี่ยนรูปภาพเลย ก็สามารถทำให้ค่าที่โมเดลรายงาน เช่น ค่าแสง ขนาด หรือ Redshift เปลี่ยนแปลงไปอย่างมหาศาล
ความผิดพลาดนี้ส่งผลกระทบต่อการนำโมเดลไปใช้ในงานดาราศาสตร์จริง โดยเฉพาะการประมาณค่า Redshift ซึ่งมีความสำคัญต่อการวัดระยะทางในจักรวาล โดยพบว่าความผิดเพี้ยนที่เกิดขึ้นอาจสูงกว่าเกณฑ์มาตรฐานที่ยอมรับได้ในโครงการวิจัยระดับโลกอย่าง LSST DESC งานวิจัยนี้ชี้ให้เห็นว่าการมีข้อมูล metadata ที่ไม่สมบูรณ์อาจทำให้โมเดลทำงานแย่กว่าการไม่ให้ข้อมูลเหล่านั้นเลย
