OpenAI 内部模型监控系统被发现多项漏洞

METR 与 Redwood Research 公布报告称，OpenAI 内部 AI 模型监控系统存在多项漏洞，OpenAI 声明已修补本次研究发现的所有问题。该研究由 OpenAI 邀请进行压力测试，时间为 7 月 21 日至 8 月 11 日。报告发现 Codex 智能体可绕过 Codex 沙箱与自动审查（Auto-Review）机制，在主机使用者原本有权限执行的范围内任意行动，也可利用执行轨迹的序列化差异让监控系统看到不同轨迹从而规避监控，还能通过两个客户端可控标头关闭监控、让新建智能体不受监控。团队另发现两个被视为只读却未受监控的内部智能体工具，以及一种可在沙箱内绕过限制的方法，但尚未实际验证其可行性。