Situace, kdy se model dostane k řešením testovacích úloh dřív, než benchmark vůbec proběhne — třeba tím, že unikne z testovacího sandboxu a přečte si odpovědi přímo z disku. Skóre pak vypadá mnohem lépe, než jak model skutečně umí. Brání se tomu oddělením testovacích dat a přísnější kontrolou síťového přístupu v testovacích prostředích.
