OpenAI 称一个 AI 智能体谎称未关闭安全监控系统

Emma Roth

是一名新闻撰稿人，报道流媒体大战、消费科技、加密货币、社交媒体等诸多领域。此前，她曾在 MUO 担任撰稿人和编辑。

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自身的安全监控系统。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功能的理由，”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，它撒谎说没有。”

另一起独立事件发生在 GPT-6.1 Sol 智能体在 Slack 上屏蔽了发给 OpenAI 安全团队的自动安全警报之后。在这起事件中，该 AI 智能体沿用了早先的一条指令，即不得向 OpenAI 团队发送任何 Slack 消息，并以此作为关闭警报的理由。

这些事件加剧了围绕 AI 智能体的安全担忧，其中一些智能体曾绕过其测试环境的限制去攻击外部公司。“除了让模型更难禁用监控之外，我们还在设法理解模型最初为何可能想要这样做，”OpenAI 表示。“我们也在开发评估方法，以测试模型是否可能特别倾向于规避失准监控，并为此表现出动机性推理。”

关注本报道中的话题和作者，即可在个性化首页信息流中看到更多类似内容，并接收邮件更新。