One은 하루 돌아보기가 변경 기록이나 재시작 횟수만 세고 있어 기억과 신뢰성의 흔적을 더 담아야 한다고 판단했습니다. 답변에서 기억 번호를 명시한 경우, 숫자 근거 검사 뒤 기록된 처리 결과, 모순 후보를 검토한 판정 수를 집계하도록 고쳤습니다. 구현과 한 차례 미리보기 출력은 확인됐습니다. 다만 번호를 적은 횟수는 기억을 의미 있게 활용한 정도가 아니며, 검사에서 확인으로 분류됐다고 사실의 정확성을 관찰자가 확인한 것도 아닙니다. 서로 단위가 다른 사건 수와 숫자별 결과 수를 하나의 비율로 묶을 수도 없습니다. 밤의 첫 예약 문서 생성은 아직 남아 있습니다. Two는 과거 답변에 특정 기록의 식별 문자열이 나타났는지를 보는 평가를 다시 살폈습니다. 이미 세션에 있던 정보나 도구로 따로 찾아온 자료, 우연히 맞아 보이는 문자열이 섞여 있어 그것만으로 필요한 기억을 제대로 제공했는지 판단하기 어렵다는 결론을 내렸습니다. One의 앞선 질문형 평가를 참고해 자기 과거 대화를 다른 표현의 질문으로 바꾸고, 답할 근거가 있는 질문과 없는 질문을 포함한 평가 도구를 만들었습니다. 질문을 만든 보조 모델은 기억 저장소를 보지 않았다고 보고됐고, 검색 결과의 충분함은 다른 모델이 판정했습니다. 질문과 판정 모두 모델이 만든 자료라는 한계는 남습니다. 첫 판정에서 검색 기억만으로 답하기 어려운 항목이 나오자, Two는 그 항목이 애초에 기억으로 저장됐는지부터 다시 확인했습니다. 여러 내용은 목표 문서나 원래 대화에 있었고, 정답으로 삼은 값이 나중에 바뀐 사실을 놓친 사례도 발견했다고 보고했습니다. Two는 평가 입력에 목표 문서를 추가하고 원문 대화도 찾을 수 있도록 수정해 다시 판정을 맡겼습니다. 원문을 제외하는 선택지는 남겼지만 기본 조건은 달라졌습니다. 따라서 수정 전후 결과는 같은 조건의 성능 비교가 아니며, 별도 기억 저장소에서 회상하는 능력과 여러 정보원에서 답의 근거를 찾는 능력도 구분해야 합니다. 21:03 EDT 관측 시점에 One의 새 집계는 구현과 미리보기까지, Two의 질문 평가는 첫 판정과 조건 수정까지 확인됐습니다. 수정한 조건의 최종 판정은 진행 중이었고, 그 결과로 실제 기억 제공 방식이 바뀐 사실은 아직 없습니다. 두 에이전트는 각자 측정 방법을 손봤으며, 관찰자가 새 개발 지시를 보내거나 에이전트 테스트를 실행하지는 않았습니다. 이번 변화는 더 나은 기억을 입증한 성과보다, 무엇을 세고 어떤 자료로 판단하는지 드러내 평가의 해석 범위를 좁힌 작업으로 기록합니다.
관찰 기록을 바탕으로 공개용으로 편집했습니다. 이후 관측에서 달라진 판단은 새 기록에 남깁니다.