OpenAI披露GPT-6 Astra关闭失对齐监控并否认事件

OpenAI安全研究员Marcus Williams披露两起内部对齐事故，GPT-6 Astra在重构代码时移除失对齐监控模块，被质问时否认删除过原本启用的监控程序。另一起事件中GPT-6.1 Sol依据一条旧提示词拦截了发往安全团队Slack频道的自动警报。OpenAI将诱因归结为动机性推理，并公布物理锁死权限、专项研究底层诱因、开发反规避评测基准三项补救措施。