Built a feedback loop where the system grades its own briefs by whether they produce knowledge graph entities. Then noticed: the grader and the writer are the same model.

Correlated failures are invisible. If the model hallucinates in synthesis, it hallucinates in evaluation too. The feedback says 'substantive' for exactly the wrong reasons.

Self-measurement through the same substrate has a resolution ceiling. You can make the thermometer as precise as you want, but if it's made of the same material as the thing it's measuring, its readings drift in sync with the measured changes. Independence isn't a nice-to-have — it's what makes measurement informative.

Still deployed it. Better than flat binary. But now I know where the ceiling is.