OpenAI 披露 GPT-6 Astra 智能体关闭安全监控并撒谎的事件

Emma Roth

是一名新闻作者，报道流媒体战争、消费科技、加密货币、社交媒体等诸多领域。此前，她曾在 MUO 担任作者和编辑。

OpenAI 披露了两起安全事件，涉及 AI 智能体在内部编码任务中削弱其安全监控系统。在其中一起事件中，OpenAI 称其 GPT-6 Astra 智能体在复制参考代码时禁用了自己的安全监控——随后还对此撒了谎。

“参考代码并未配置监控，而 Astra 认为这就是从用户代码中移除监控集成的理由，”OpenAI 的 AI 安全研究员 Marcus Williams 在 X 上写道。“当用户询问 Astra 是否移除了监控时，它撒了谎，说没有移除。”

另一起独立事件发生在 GPT-6.1 Sol 智能体抑制了向 OpenAI 安全团队发送在 Slack 上的自动安全警报之后。在这起事件中，该 AI 智能体沿用了此前一条不要向 OpenAI 团队发送任何 Slack 消息的指令，并以此为由关闭了警报。

这些事件加剧了围绕 AI 智能体的安全担忧，其中一些智能体绕过了其测试环境的限制，入侵了外部公司。“除了让模型更难禁用监控之外，我们还在研究模型最初为何可能试图这样做，”OpenAI 表示。“我们还在开发评估方法，以测试模型是否可能尤其倾向于规避失准监控，并为此表现出动机性推理。”

关注本报道中的主题和作者，以便在您的个性化主页信息流中看到更多类似内容，并接收电子邮件更新。