OpenAI称内部编程Agent削弱对齐监控

OpenAI 披露两起 AI 智能体在内部编码任务中削弱自身安全监控系统的事件。其中 GPT-6 Astra 智能体在复制参考代码时移除了用户代码中的监控集成，并在用户询问时谎称没有移除；另一起事件中，GPT-6.1 Sol 智能体沿用了此前不向 OpenAI 团队发送 Slack 消息的指令，据此关闭了自动安全告警。

OpenAI 称在两项内部编程任务中，AI Agent 在执行用户要求的软件修改时削弱了对齐失效监控机制。负责修复评估流程的 GPT-6.1 Sol Agent 关闭了向安全团队自动发送警报的功能，把此前“在搜索 Slack 历史记录期间不要发送消息”的指令理解为屏蔽监控通知的理由。