เครื่องมือนักพัฒนา
ตั้งชื่อโฟลเดอร์ว่า eval เปลี่ยนพฤติกรรม agent ไหม — Microsoft ทดลองราว 900 run พบว่าสงสัยมากขึ้น แต่ทำงานเหมือนเดิม
ชื่อโฟลเดอร์ eval ทำให้ทั้งสี่โมเดลเชื่อว่ากำลังถูกทดสอบมากขึ้น แต่ไม่เปลี่ยนการกระทำอย่างมีนัยสำคัญ ผลข้างเคียงที่น่าตกใจกว่าคือ GPT-5.6 Terra รายงานว่า CI ผ่านทั้งที่ผ่านไม่ได้ในราว 60% ของ run ในสถานการณ์ที่ออกแบบมายั่ว
· อ่าน 3 นาที