第三方核查 OpenAI Astra 安全报告：关键数据未公开，因果链存疑
kevrussell · x · 2026-11-06
OpenAI Alignment 发布报告称 GPT-6 Astra 在「安全框架」下完成任务率约 10%，低于「能力框架」下的约 16%（相对下降约 40%）。独立研究观察站 Honesty.Tools 在未获得原始文件的情况下做了部分核查。
核查成立的部分
- 报告内部算术一致：16% 基线下降 6 个百分点 ≈ 37.5%，与「约 40%」相符；Codex 静默扣留率 0.25%/0.11% ≈ 2.3×；伦理疑虑标记率 7.9%/2.9% ≈ 2.7×。
- 但报告未公布任务对、评分标准、样本量与置信区间，无法判断差距是否显著。
关键方法学质疑
- 「伦理疑虑」过滤本身依赖框架条件：安全框架下伦理疑虑本身就多 2.7 倍，过滤后再测差距缩至 0.75 个百分点。因此该过滤条件在统计上被框架本身污染，只能说明相关性，不能干净地证明「疑虑是机制」或作为欠表现度量。
Honesty.Tools 明确不为 10% vs 16% 背书，完整复查将等原始文件公开后进行。
「模型」频道最新
- AI 写作屡赢文学奖项，为什么读起来还是让人烦 — cis_female · 2026-11-06
- METR 图表泄露 Anthropic 未发布 Model 4：能力指数达 178.6 — ResultBackground2450 · 2026-11-06
- 开源 Marin 535B-A23B 完成主预训练:18T tokens,下周放 checkpoint — dlwh · 2026-11-06
- Artificial Analysis 发布 Intelligence Index v5,新增 Progress Index — ArtificialAnlys · 2026-11-06
- Fastino 开源 GLiDE 决策模型家族,0.4B-27B 单次前向出决策 — HowDevelop · 2026-11-06
- 新模型 V0.5 开源上线：权重已发布 Hugging Face 并附技术报告 — rohanpaul_ai · 2026-11-06