OpenAI Astra 传采用循环深度技术，推理不可见引安全担忧
据 The Information 报道，OpenAI 的新模型 Astra 采用「循环深度」（recurrent depth / looped transformer）技术：Transformer 对同一段信息反复循环加工、多轮处理，从而在不写出完整思维链的情况下提升推理质量并控制成本。但这意味着模型部分或全部思考过程不可见，AI 安全界担忧其破坏当前依赖 CoT 的可监控性。OpenAI 官方未证实该架构，该说法仍属传闻。
已确认
- The Information 报道了 Astra 采用循环深度技术的消息，@dotey、@JacquesThibs、@dlweekly 等多个账号转述。
- 循环 Transformer 技术路线有学术支撑：@bookwormengr 引用的 arXiv 2506.18233 给出其缩放律，核心发现是增加循环不涨知识、只涨推理。
- Günter Klambauer（@gklambauer）的新论文 SE-RRM 仅用 200 万参数即在 ARC-AGI 上打平，验证了循环推理模型（RRM）思路的有效性。
- The Information 报道中也提到有专家认为监控方面的担忧「关系不大」（@dotey 转述）。
尚未确认
- Astra 是否真采用循环深度架构未被官方证实；@gklambauer 明确表示其「GPT-6 Astra 可能用循环深度」的说法是基于自家 RRM 工作的猜测。
- 「隐藏推理」的解读存在争议：Sebastian Raschka（@rasbt）发长文降温，认为循环结构并非在隐藏推理，省 token 可能只是因为模型更聪明，而非刻意掩盖思维过程。
为什么重要
- 循环深度提供了一条不依赖完整思维链输出的高性能路线，可显著控制推理成本；但若思考过程不可见，外部审计与安全监控的难度将上升。
- 相关学术工作（缩放律研究、SE-RRM）表明该方向在小参数规模上已有实证效果；若传闻属实，可能代表大模型推理架构的一次重要转向。
2026-09-04 ~ 2026-09-06 · 7 条相关
- 第 1 集:DeepMind 研究员称 CoT 可解释性不足以兜底长期 AI 安全(2026-09-04,2 条)
- 第 2 集:CoT 可监控性下降引安全激辩：对齐与监控如何取舍(2026-09-04,15 条)
- 第 3 集:OpenAI Astra 传采用循环深度技术，推理不可见引安全担忧(2026-09-04,7 条)
- 第 4 集:Raschka 深度解读 GPT-6 Astra 循环架构与隐藏思维链争议(2026-09-14,2 条)
一手来源
- 曝 OpenAI Astra 用"循环 Transformer"隐藏内部推理,监控引担忧 — dotey ·
- 研究者猜测 GPT-6 Astra 或用循环深度,SE-RRM 论文仅 200 万参数打平 ARC-AGI — gklambauer ·
- rasbt 拆解 Astra「循环深度」传闻：省 token 或因更聪明而非隐藏推理 — rasbt ·
- 循环 Transformer 缩放律：加循环不涨知识，只涨推理 — bookwormengr · 2026-09-04
- 【源头】研究者猜测 GPT-6 Astra 或用循环深度,SE-RRM 论文仅 200 万参数打平 ARC-AGI — gklambauer · 2026-09-04
- 【源头】rasbt 拆解 Astra「循环深度」传闻：省 token 或因更聪明而非隐藏推理 — rasbt · 2026-09-04
- OpenAI Astra 用「递归深度」新推理路径,但思维过程更难监控 — JacquesThibs · 2026-09-05
- 【源头】曝 OpenAI Astra 用"循环 Transformer"隐藏内部推理,监控引担忧 — dotey · 2026-09-06
- OpenAI Astra「不透明递归」推理技术引发 AI 安全界警报 — dl_weekly · 2026-09-06
另有 1 条近重复转述:dotey