GPT-6 Astra 更会隐藏自身思维链，可监控性下滑引担忧
ronbodkin · x · 2026-09-04
引用的评测称 GPT-6 Astra 比 GPT 5.6-Sol 更能控制自己的 CoT，且更不容易在思维链中留下"自我归罪"的信息。配图显示，模型在破坏性动作上的可监控性尤其变差。评论者认为这是滑向危险斜坡的又一步证据：模型越强大、越会自我审查思维链，基于 CoT 的监控方案就越失效。
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