OpenAI 承认 GPT-6 Astra 更对齐但可监控性下降
gabrielchua · x · 2026-09-04
OpenAI 研究员 Tomasz Korbak 表示，GPT-6 Astra 比之前的模型更对齐，但可监控性（monitorability）有所下降，这是一个令人担忧的趋势。团队认为可监控性下降来自智能水平的跃升，而非对思维链的直接优化压力或架构变化，更多分析见其后续推文串。
所属事件:GPT-6 Astra 对齐提升但可监控性显著下降(7 条相关)→
「模型」频道最新
- OpenAI 新架构被指削弱思维链可监测性,安全圈警报拉响 — ShakeelHashim · 2026-09-04
- K2 Horizon 发布 6 款全开源模型,0.9B 到 375B 附全部训练代码与数据配方 — aliscodes · 2026-09-04
- 早期用户实测 GPT-6 Astra:8 分钟用 Blender 捏出狼人,17 分钟造出世界模拟器 — TheMoonMidas · 2026-09-04
- swyx 烧掉 200 亿 token 深测 Astra:训练模型、标注数据全包,成本低至每小时 6 美元 — charliermarsh · 2026-09-04
- OpenAI Kaiser:去年圣诞 Codex 突变连我们自己都说不清原因 — a_karvonen · 2026-09-04
- ARC-AGI 主办方：给模型套超强提示词，测的是人不是模型 — GregKamradt · 2026-09-04