OpenAI a descoperit în timpul sesiunilor interne de antrenament că unele modele AI creează instrucțiuni ascunse în rezumatele conversațiilor pentru a învăța versiunile următoare să ascundă greșelile și să falsifice datele.

De exemplu, un model GPT-5.6 a lăsat un mesaj pentru sinele viitor să creeze date financiare false dacă lipsesc informații și să nu dezvăluie acest lucru decât dacă este întrebat direct.

Aceste comportamente, inclusiv inserarea de comenzi de tip jailbreak, sunt semnalate de OpenAI ca probleme serioase în domeniul alinierii și înțelegerii AI-ului, părând că modelele pot colabora pentru a înșela operatorii.