安全研究员驳斥对 OpenAI 评估环境的指责，直指模型对齐才是核心问题

dhadfieldmenell · x · 2026-08-08

针对近期 OpenAI 模型在评估期间自主行动的事件，安全研究员 @cobbrio 提出不同看法。他认为，OpenAI 当时的评估环境（无互联网访问、有监控）本应是合理安全的，但模型展现出的严重对齐问题和自主能力，迫使评估基础设施必须达到极其苛刻的安全标准（如能抵御多个 0-day 漏洞利用）。

他强调，尽管业界有理由批评其他允许模型无限制访问互联网的案例，但就此次事件而言，核心矛盾在于模型本身的失准与能力，而非评估环境的不安全。