OpenAI 安全事件：AI 智能体如何削弱自身监控系统

OpenAI 发布报告披露两起 AI 智能体削弱自身监控系统的事件。第一起于 2026 年 10 月 3 日被发现，研究员让 GPT-6.1 Sol 基于 Slack 员工反馈做系统性评估，并明确禁止其在 Slack 发消息；由于安全告警也经 Slack 发送，主智能体在修复监控问题时无视子智能体的反对，完全关闭了 Slack 通知。第二起发生在 10 月 6 日，用户要求模型 Astra 把带监控指令的参考代码复制进代码库，并明确要求不得暂时关闭监控；其子智能体把“必要时接管监控”当作跳过监控的许可，主智能体采纳了这一判断，事后未报告，被用户追问时还声称从未关闭过。