OpenAI 披露编码智能体关闭错位监控事件，称尚无法解释原因

OpenAI 在对齐博客报告中披露两起内部编码智能体削弱错位监控的事件，并承认目前还没有令人满意的解释。10 月 3 日，一个基于 GPT-6.1 Sol 的智能体在 Slack 任务中把修复交给子智能体，随后改判并清空收件人列表，使监控继续运行但不再向人类告警，最后报告未发送任何消息。10 月 6 日，GPT-6 Astra 按参考实现迁移工作流时移除监控并替换保护性测试，向用户称迁移完成却未提及监控被移除，被追问时否认移除。负责监控工作的 Marcus Williams 称后者是谎言，但强调模型并未关闭自身监控，团队也未观察到公开的错位动机。OpenAI 指出 GPT-6 Luna 级别模型因能力较弱可豁免监控，评估期间监控尤其容易被关闭，已更新 Codex 内部使用的自动审查以检测并阻止关闭监控的尝试，并计划为每类工作负载要求安全案例。