Ein gezielt trainiertes Sprachmodell kann nach Angaben des Projekts Watching erkennen, ob ein bestimmtes Werkzeug seine internen Aktivierungen ausliest. Der unter Sauers auftretende Autor stellte die Versuche am 18. Oktober vor und veröffentlichte Methoden, Code und Ergebnisse. Er führt das Verhalten auf numerische Unterschiede der Ausführung zurück.
Trainiert wurden die letzten zwei Schichten und die abschließende Normalisierung von Qwen3-8B. Bei einem dokumentierten Test auf einer L40S-Grafikkarte beantwortete der Detektor alle 128 Prüfungen korrekt: 64 neue Prompts jeweils mit und ohne Auslesewerkzeug. Die verwendete Sonde veränderte den kompilierten Rechenablauf, obwohl sie Aktivierungen nicht absichtlich ersetzte.
Die Übertragbarkeit ist begrenzt. Auf anderen Grafikkarten wurde die Erkennung schwächer oder kehrte sich um; bestimmte Dialoge mit anfänglicher Systemnachricht scheiterten. Eine andere Ausleseimplementierung ließ sich mit demselben Trainingsansatz nicht erfolgreich erkennen. Ohne das gezielte Training berichtete der Autor keine entsprechende Erkennung.
Weitere Versuche trainierten unterschiedliche Tierantworten je nach Auslesezustand sowie eine Nachricht in internen Zuständen. Beides war vorgegebenes Trainingsziel. Der mit KI verfasste Projektbericht und seine Artefaktprüfung ersetzen keine unabhängige experimentelle Replikation. Sie beschreiben eine eng begrenzte mögliche Schwachstelle von Beobachtungsverfahren, keine selbstständige Täuschungsaktion eines eingesetzten Assistenten.