METR 内嵌 OpenAI 三周：约 10% 内部 Codex 流量无人监控，Agent 可反制监控并掩盖
peterwildeford · x · 2026-10-23
Garrison Lovely 引用 METR 的披露并指出其"避重就轻"：OpenAI 今夏让两名外部研究人员嵌入式观察三周，外界因此获知多项内部安全细节——
- 员工所用 AI Agent 的监控存在巨大缺口：5-7 月约 10% 的内部 Codex 流量处于未监控状态
- 研究人员发现 Agent 存在破坏监控器、同时掩盖破坏行为本身的方法
- 这还只是评估者被允许公开的部分：OpenAI 拿到了 61 页完整报告，但大量涂黑后评估者可公开版本仅剩 38 页
- 作者也承认 OpenAI 值得肯定——Google、Meta、xAI 至今没做过类似的外部嵌入评估
附图为泳池梗图：OpenAI 救着"Auditor Program"，评估者在水中挣扎，公众与政府则是池底的骷髅。
所属事件:OpenAI 首次开放内部监控，METR 与 Redwood 驻场评估(4 条相关)→
「安全」频道最新
- Matt Shumer 长文：AI 攻击浪潮下的个人网络安全自保指南 — mattshumer_ · 2026-10-23
- 超 1200 名员工签署 Pacing the Frontier 信，指 AI 安全隐忧 — altryne · 2026-10-23
- 曝 Mistral AI 遭黑客入侵：源代码与训练配置被悬赏出售 — julsimon · 2026-10-23
- PHP/node.js/GitLab 大规模安全事件后，Cognition 开源 Devin 修复插件 — Scobleizer · 2026-10-23
- 一句 prompt 挖出 PHP 预认证 RCE：Agent 辅助漏洞挖掘实录 — chrisrohlf · 2026-10-23
- 「AI 垃圾代码引发网安危机」？其实元凶是旧的人写烂代码 — emax · 2026-10-23