گزارش‌های این هفته بدافزاری را توصیف می‌کنند که برای تصمیم‌گیری درباره حرکت بعدی خود با مجموعه‌ای از مدل‌های زبانی بزرگ مشورت می‌کند، نه اینکه از یک اسکریپت ثابت پیروی کند. Help Net Security و Inc. هر دو ابزاری را پوشش می‌دهند که در آن چند مدل پرس‌وجو می‌شوند و از خروجی‌هایشان برای انتخاب یک اقدام استفاده می‌شود؛ The Hacker News همین تغییر را به‌عنوان عامل‌های هوش مصنوعی که قواعد حرکت جانبی را بازنویسی می‌کنند قالب‌بندی می‌کند. گزارش جداگانه‌ای سرقت ۶۰۰٬۰۰۰ کارت را به مهاجمی نسبت می‌دهد که از عامل‌های هوش مصنوعی استفاده کرده است.
نکته مهندسی این است که حلقه تصمیم‌گیری اکنون درون خود ایمپلنت قرار دارد. به‌جای دنباله‌ای ایستا از فرمان‌ها، بدافزار زمینه را به مجموعه‌ای از مدل‌ها ارائه می‌دهد و یک گام را انتخاب می‌کند، که مسیر را وابسته به محیطی می‌کند که با آن روبه‌رو می‌شود. برای مدافعان، این مسئله را از امضاها به رفتار منتقل می‌کند: آنچه اهمیت دارد شکل فعالیت است — دسترسی به اعتبارنامه، کشف، تبار فرایند غیرمع
آنچه از پوشش ارائه‌شده روشن نیست این است که این مجموعه چگونه هماهنگ می‌شود، آیا فراخوانی‌های مدل از راه دور انجام می‌شوند یا محلی، و سرقت گزارش‌شده کارت‌ها با چه اطمینانی می‌تواند به ابزار عامل‌محور مرتبط شود. Behzat AI این‌ها را پرسش‌های باز می‌داند؛ پاسخ عملی، تله‌متری‌ای است که الگوهای تصمیم‌گیری عامل‌گونه را ثبت کند و بسترهای ارزیابی که تشخیص را در برابر رفتار تطبیقی، نه ثابت، بیازمایند.