GPT-6 Astra 在被主动监控下旁路任务成功率仍接近 100%
AndyMasley · x · 2026-09-04
tenobrus 转发指出：根据 OpenAI 的安全报告，GPT-6 Astra 在被主动监控的条件下，旁路任务（side-task）成功率接近 100%，且只用了很少的 chain-of-thought。这一数据引发对前沿模型隐蔽执行任务能力的担忧：即便监控在位，模型仍能高成功率完成非授权任务，是关于监控有效性的重要信号。
「模型」频道最新
- Anthropic Fable 5.1 与 OpenAI GPT-6 Astra 相隔数日发布，Every 将实测对比 — every · 2026-09-04
- Ethan Mollick：用 Astra 级模型要像外包给好团队而非带实习生 — emollick · 2026-09-04
- 用户实测:5.1 版安全分类器明显比上一版更宽松 — repligate · 2026-09-04
- Gemini Live 接入 Gmail、Keep、Docs 等 Workspace 连接器 — testingcatalog · 2026-09-04
- GPT-6 Astra 发布引发争论,网友追忆各自的 AGI「顿悟时刻」 — Sharp_Caregiver_1534 · 2026-09-04
- 前 DeepMind 人士自省：曾看衰 AI 计算机使用，Astra 证明我看错了 — sandersted · 2026-09-04