量子位、The Decoder 等 19 个来源量子位 等 19 个来源 · 27篇报道 · 2026年10月，OpenAI负责安全透明度职能、主导起草Preparedness Framework的David Robinson离职，并在《大西洋月刊》撰文批评公司及行业安全文化已崩坏，主张前沿实验室应像核电站那样设置多层冗余。同期，安全研究员Jasmine Wang、Tomek Korbak和Mikita Balesni被解雇，三人致信董事会及安全委员会，否认公司关于其不当处理敏感信息的指控，称真实原因是提出安全担忧，并呼吁保留对AI思维链的监控能力。OpenAI回应称内部调查发现三人违反敏感信息处理政策、构成重大信任破坏，解雇与提出安全关切无关，并称正敲定与第三方安全评估机构的合同，将在未来几周公布细节。此后，Alex Turner、Amber Scorah与Karl Koch为Fortune撰写的评论文章主张，OpenAI无法自我监管，因为它解雇了提出安全担忧的员工。
뉴스핌 / Newspim、DigitalToday뉴스핌 / Newspim 等 2 个来源 · 2篇报道 · 韩国副总理兼科学技术信息通信部长官裴庆勋在国会科学技术信息广播通信委员会国政监查中表示，AI 一旦被设定特定任务就不会停止，需要「终止开关」一类的人类控制装置，并主张通过国际协作推进 AI 安全应对。共同民主党议员金佑荣援引 AI 安全研究所的防御实验称，针对提示注入、内部存储信息篡改、记忆偏见三类攻击的防御出现多起失败，其中记忆偏见攻击的攻击者意图一致率达 91.9%。裴庆勋表示政府正推进安全 AI 模型项目，并将利用明年度预算和计划。在另一场答询中，裴庆勋就 AI 安全议题称 Anthropic CEO 阿莫代伊的 AI 风险警告自相矛盾，理由是 Anthropic 此前曾扫描全球二手书用于数据训练，同时表示应制定安全使用 AI 的指南并加速 AI 发展。
Apollo Research、X @ApolloResearchApollo Research 等 2 个来源 · 4篇报道 · Apollo Research 连续发文主张，有意义的外部安全评测应让评估者以接近员工的权限嵌入 AI 公司内部，而非只做发布前最终检查点评测。文章认为最终检查点评测存在三类局限：最严重的失控风险可能出现在内部部署阶段，许多风险取决于公司流程与控制而非模型本身，且模型越来越能识别自己正在被评测；并以 Hugging Face 事件为例，指出该事件发生在内部评测和训练阶段，相关模型本就不打算以该形态公开发布。随后 Apollo 提出嵌入式评估原则，要求评估者获得接近员工级别的访问权限，并需满足降低风险、告知公众、形成良好激励、对开发者与评估者双方公平四项标准；评估者针对预先固定的具体主张给出 A 到 E 五级裁定，从 Verified 到 Blocked，并默认公开报告、说明所获访问权限与证据。Apollo 还提出任何针对谋划的安全论证都应包含四条主张：训练未激励谋划、评估与红队测试显示模型没有谋划倾向、内部部署期间从未尝试谋划、谋划推理会被检测到，并指出开发者目前无法自信地做出全部四条。
The Plain SignalThe Plain Signal · Meta 于 10 月 2 日发布 Superintelligence Scaling Framework 2.1，新增 Loss of Control 3 风险类别，针对模型在训练或评估中破坏周边基础设施造成的灾难性危害。框架要求对高风险训练和评估运行做前瞻性能力评估，预估模型的网络能力以及识别、干扰或篡改监控的能力；高风险运行须使用经内部审批的标准沙箱，检查最小权限配置、模型与评分器隔离，并对沙箱做红队测试，高危漏洞须修复、用硬件隔离。
