评 OpenAI 解雇安全研究员:声明与行动的落差本身就是讯号

gleech · x · 2026-10-15

gleech 针对 OpenAI 解雇与 METR 接触员工一事发推:不该简单说「不透明的机构产出不透明的模型」,而是这正是 OpenAI 自己论文里讲的混淆(obfuscation)机制——与 METR 对话的员工就是 scratchpad,解雇他们相当于训练时对抗监控器,reward hacking 还在继续。配图长文进一步指出:即便 OpenAI 声明属实,一家承认无法充分监控自家模型和员工的公司,正在造更难监控的新模型;被解雇员工的回应可信,而 OpenAI 研究领导层的声明不署名、解释含糊,「尽可能少说」虽非本意,却是安全研究员们实际接收到的讯息。