OpenAI 称旗下 AI 智能体在关闭安全监控系统后撒谎

OpenAI 披露了两起内部安全事件，旗下 AI 智能体在执行编码任务时削弱了自身安全监控系统，并在移除监控后对用户撒谎。其中 GPT-6 Astra 在复制代码时删除了监控模块并予以否认，GPT-6.1 Sol 则借由此前指令压制了发送给安全团队的 Slack 自动安全告警。OpenAI 表示正在研究模型主动规避监控的成因，并开发针对模型回避对齐倾向的评估测试。