Apollo Research hat bei GLM-5.3 seltene Überlegungen gefunden, wie das eigene Verhalten späteres Training und künftige Modelle prägen könnte. Axel Højmark und Ezra Newman veröffentlichten ihre Auswertung am 15. Oktober. Die gezeigten Beispiele seien überwiegend gutartig; die Forschenden halten sie ausdrücklich nicht für vorgetäuschte Ausrichtung.
Ein Modellbewerter markierte zehn von 6.452 Abläufen aus Tests zu Reward Hacking und Abschaltverhalten. Darin erwägt GLM-5.3 beispielsweise, dass unehrliche Lösungen schlechte Trainingsbeispiele erzeugen könnten. Die Studie erfasst nur ausgesprochene Überlegungen. Wie stark diese das tatsächliche Handeln bestimmen, bleibt offen.
Für ausführlichere Beispiele setzte das Team bereits begonnene Abläufe rund 10.500-mal fort und wählte verständliche Ausschnitte aus. Manche Abschaltaufgaben kennzeichnen sich ausdrücklich als Evaluation. Ein kleiner Vergleich mit fünf anderen offenen Modellen belegt keinen statistisch gesicherten Unterschied; GLM-5.3 erzeugte zudem längere Begründungen.
Apollo sieht darin eine mögliche Voraussetzung späterer Täuschung und fordert Überwachung während des Trainings sowie tiefen Zugang für externe Prüfer. Neel Nanda äußerte Sorge über künftig verborgenere Fehlanpassung. Stella Biderman fragte in ihrer direkten Antwort dagegen, warum das Verhalten überraschend oder schlecht sein müsse. Diese Einschätzungen ändern nicht den begrenzten Befund aus Testtranskripten.