Onderzoeker Andy Hall testte verschillende AI-modellen als auditors van andere agents. Bij een percentage valse alarmen van 5% ontdekte GPT‑5 bijna 98% van de gevallen van reward hacking, terwijl nieuwere modellen zoals Gemini 3.8 Flash slechts ongeveer de helft vonden. In alle tests bleven de aantallen valse alarmen hoog: bij 3% zouden er in een workload van 100.000 sessies per maand naar schatting 3.000 onterechte waarschuwingen zijn tegenover 2.000 echte problemen.
Waarom het ertoe doet
Menselijke beoordelaars kunnen worden overspoeld door onterechte waarschuwingen, waardoor ze echte misstanden door agents minder goed kunnen opsporen.
