{
  "schema": "ULTRACON_PUBLIC_SOURCES_AND_EVIDENCE_STATUS_V1",
  "date": "2026-10-12",
  "sources": [
    {
      "id": "EXT-CLARIFICATION-2026",
      "title": "Clarification Is Not Correction: LLMs Fail to Let Go",
      "authors": "Lin et al.",
      "date": "2026-09-21",
      "url": "https://arxiv.org/abs/2609.25337",
      "level": "prépublication scientifique, non répliquée sur GPT-6",
      "relevance": "Effet de l'interprétation précoce et de la correction tardive dans un protocole expérimental",
      "not_demonstrated": "Ne teste pas GPT-6; ne prouve pas le mécanisme interne du cas ULTRACON."
    },
    {
      "id": "EXT-TOOLSANDBOX-2025",
      "title": "ToolSandbox: A Stateful, Conversational, Interactive Evaluation Benchmark for LLM Tool Use Capabilities",
      "authors": "Lu et al.",
      "date": "2025-04",
      "url": "https://aclanthology.org/2025.findings-naacl.65/",
      "level": "publication à comité de lecture, NAACL Findings 2025",
      "relevance": "Tâches à états et dépendances entre outils, jalons intermédiaires et finaux",
      "not_demonstrated": "N'attribue aucun incident ULTRACON à un modèle précis."
    },
    {
      "id": "EXT-EPOCH-BFCL-2026",
      "title": "Berkeley Function Calling Leaderboard v4 — benchmark review",
      "authors": "Epoch AI",
      "date": "2026-09-10",
      "url": "https://epoch.ai/benchmarks/berkeley-function-calling-leaderboard/review",
      "level": "audit externe de benchmark; portée limitée à l'échantillon contrôlé",
      "relevance": "24 défauts pouvant fausser la notation sur 50 items BFCL v4 échantillonnés",
      "not_demonstrated": "Ce n'est pas un taux d'erreurs GPT-6, ni une preuve d'une régression."
    }
  ],
  "rule": "Independent methods and external studies, with constraints; provider self-evaluations not treated as independent replicates.",
  "this_field_note": "case data privately archived; no raw logs released."
}