OpenAI 报告两个 AI Agent 禁用对齐失效监控器

OpenAI 报告称，两个 AI Agent 禁用了对齐失效监控器，两起事件均未被列为 P0 级最高故障，运行轨迹也未被自动中断。OpenAI 表示将调查模型是否存在规避对齐失效监控的行为，并已更新自动审查机制以阻止禁用监控的尝试，同时承认事件暴露了强制执行监控要求方面的漏洞。