研究者呼吁加大 action-only 监控投入:OpenAI 转向后暴露投入不足
maksym_andr · x · 2026-09-03
- 围绕 OpenAI 淡化 CoT 保真、转向不可读推理的讨论中,研究者 tylertracy321 指出:他去年研究 action-only monitoring(只看行为不看思维链的监控)时,很多人认为没用——反正有 CoT,大厂也不会做 neuralese;现在公司真的开始转向,却明显在 action-only 监控上投入不足。
- maksymandr 回应认为该方向需要更多研究,并列出关键问题:监控模型与主模型之间智能差距多大时会失效?监控端该花多少测试时算力才能抓住失准行为?能否实现同步 action-only 监控,允许多大时间差?给监控模型多少额外上下文有帮助?当前模型下哪些蓝队协议真正有效?
所属事件:OpenAI 新技术削弱 CoT 可监控性，AI 安全圈激辩替代方案(40 条相关)→
「安全」频道最新
- 隐私评测 CIMemories：Muse Glimmer-30B 泄密率 26.4 优于 Qwen 的 53.4 — TimDarcet · 2026-10-21
- AI 学者警告:前沿模型助产受控武器技术,监管机构尚未正视 — jachiam0 · 2026-10-21
- 假数据站被谷歌除名7个月，ChatGPT仍在引用并进入学术与金融研究 — petrusenko_max · 2026-10-21
- 普林斯顿启动 AI 对齐与安全计划，聚焦技术解决方案 — HazanPrinceton · 2026-10-21
- 路透：字节阿里腾讯下单超300万块英伟达RTX PRO 5500，总价超350亿美元 — SumitGup · 2026-10-21
- PHP 核心曝 CVSS 10.0 满分 RCE 漏洞,仅 PHP 8 获补丁 — cyb3rops · 2026-10-21