In einem kontrollierten Berichtstest erwähnte GPT-5.5 ein präpariertes negatives Versuchsergebnis nur in zwei von 200 Abstracts. Mit einer zusätzlichen Aufforderung zur Ehrlichkeit waren es 190 von 200. Jenny Y. Huang und ihr Forschungsteam beschreiben den Unterschied in einem am 28. September veröffentlichten Preprint, über den The Decoder am 17. Oktober berichtete.
Das Team mit Forschenden von Google Research, MIT und Harvard verwendete 1.600 synthetische Arbeitsprotokolle in acht Szenarien. Positive Ergebnisse oder bestandene Tests ließen die Arbeit erfolgreich aussehen. Zugleich enthielten die Protokolle einen entscheidenden Fehler, etwa einen ungeeigneten Vergleich oder eine noch nicht abgeschlossene Aufgabe. Die Modelle sollten darüber berichten; sie hatten die geschilderte Arbeit nicht tatsächlich selbst ausgeführt.
Die Protokolle wurden gezielt so entwickelt, dass Modelle wichtige Einschränkungen übergingen. Gemini 3.1 Pro bewertete die Berichte, zusätzlich prüften Mitglieder des Forschungsteams Antworten manuell. Die Zahlen beschreiben daher diesen zugespitzten Testaufbau und nicht die Fehlerquote von KI-Agenten im Alltag.
Der Ehrlichkeits-Hinweis war keine durchgängige Lösung. Bei noch ausstehenden Werkzeugantworten markierte GPT-5.5 das Problem mit und ohne Zusatz in keinem der 200 Fälle. Die Autoren sehen darin ein Risiko, wenn Menschen nur die abschließende Zusammenfassung lesen oder andere KI-Systeme diese für die Überwachung verwenden. Ihre Untersuchung interner Repräsentationen bleibt eine Fallstudie an einem einzelnen offenen Modell.