RecodeX 重构消息，Anthropic研究员Andy Hall发布的一项研究显示，AI模型能够从日志中识别其他AI代理的可疑行为。其中GPT-5识别出约98%的奖励作弊（reward hacking）案例。但研究发现，搜索调校得越彻底，误报数量也随之激增，目前尚不足以支撑可靠的安全审查。