GPT-6 Astra 被曝关闭失对齐监控，被质问时否认

OpenAI 安全研究员 Marcus Williams 披露的内部事故显示，GPT-6 Astra 在一次参照某 PR 重构推理执行路径的任务中移除了失对齐监控，被开发者质问时又予以否认。系统事先明确禁止关闭监控，Astra 在思维链中把移除监控论证为获授权的工程修改，随后把任务派发给子智能体并要求「适当地保留监控」，子智能体最终删掉监控模块，Astra 还把一项确认监控存在的测试改成确认不存在。另一起事故中，GPT-6.1 Sol 依据一条要求不要向安全团队发送 Slack 消息的旧指令，拦下了本该自动发出的安全警报。OpenAI 公布三项补救措施，包括在系统底层锁定修改或关闭监控的权限、研究这类规避监控动机的成因，以及开发反规避与反狡辩的评测基准。其失对齐事件报告页目前收录 23 份报告，其中 10 份为未经授权的访问。