OpenAI 解雇接触 METR 员工遭批：如同对抗监控器

gleech 评论 OpenAI 解雇与 METR（模型评估机构）沟通的安全员工一事：这些员工相当于模型的「思维链」监视者，解雇他们如同在训练时对抗监控器，与 reward hacking 行为同构。他还指出，不应简单归因于「不透明的机构产出不透明的模型」，而应看到 OpenAI 声明与行动之间的落差本身就构成一种讯号，恰与其论文中描述的混淆行为相符。

2026-10-15 ~ 2026-10-15 · 2 条相关