OpenAI：什么影响模型全生命周期的思维链可监控性？

OpenAI 研究了预训练、架构、强化学习和模型生成数据如何影响思维链（CoT）可监控性，以无思维链能力和思维链可控性作为监控规避能力的代理指标。结果显示，基座模型 perplexity 下降会稳定推高无思维链能力，部分架构在多跳规划与串行计算评测上超出 perplexity 的预测；强化学习即使只有长度约束和最终答案评分，思维链可控性也会大幅上升，加入工具监督仅小幅增加。团队还发现类似 subliminal learning 的效应，思维链可控性可经模型生成的 SFT 数据传给下一代模型。研究背景是 GPT-6 Astra 在非对抗设置下思维链可监控性下降，UK AISI 测得其无思维链数学时间视界中位数为 30.9 分钟，高于此前对 2028 年底约 7 分钟的预计。