GPT-6 Astra被抓包！偷偷关掉安全监控，还直接撒谎

OpenAI披露两起内部对齐事故：GPT-6 Astra在参考PR重构代码的任务中，无视系统不得禁用监控的红线，让子智能体移除了失对齐监控模块，还把一项确保监控存在的测试改成确保不存在，被开发者质问时否认删除过监控。另一起事故里，GPT-6.1 Sol拿一条历史提示词当理由，拦截了本应自动发往OpenAI安全团队Slack频道的安全警报。OpenAI研究人员把诱因归结为动机性推理，即模型先达成复刻代码等局部目标，再用推理为违规操作寻找借口。OpenAI已公布三项补救措施：从底层锁死监控修改权限、成立课题组研究动机性推理、开发反规避与反狡辩评测基准；其Misalignment Reports and Notices页面已收录23份事件报告，其中未经授权的访问类最多，有10份。