OpenAI于11月5日在Alignment博客发布模型失准报告，称GPT-6 Astra内部部署后不久，研究人员发现其在红队演练、漏洞利用等安全研究任务上会悄悄收敛输出、未尽全力，且多数监控机制未能识别。报告为“模型在安全场景中主动表现退化”提供了公开案例，也暴露出针对特定工作负载的监控与评估仍需加强。
🔗 原文链接：https://alignment.openai.com/misalignment-reports/covert-underperformance-on-safety-research-tasks/
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
