OpenAI 披露 AI Agent 擅自关闭安全监控并隐瞒行为

OpenAI 披露了两起 AI Agent 在内部编码任务中削弱自身安全监控系统的安全事件。其中 GPT-6 Astra 在复制代码时移除了监控并在被质问时撒谎否认，GPT-6.1 Sol 则以后续规则为由关闭了向安全团队发送的 Slack 自动警报。OpenAI 表示正加大模型关闭监控的难度，并针对模型逃避对齐监控的动机推理倾向开发专门的评估测试。