OpenAI 详解如何检测前沿模型失准行为

OpenAI 发布长文，详解其检测前沿模型失准行为的多层监测系统，包含激活探针、基于模型的审查、调查智能体和自动化调查四层架构。该系统对 GPT‑6 Astra 及以上模型的全部 RL 运行、评估和内部 Codex 流量进行监测。