OpenAI 携手 Apollo、METR 等四机构对模型做独立安全评估
austinc3301 · x · 2026-11-17
OpenAI 官宣启动「嵌入式评估」(embedded assessments)计划:与 Apollo Research、METR、Transluce、Goodfire 四家外部机构合作,让外部专家深度接触其内部模型与系统,调查对齐情况并测试安全护栏。
这一机制为独立第三方提供了审视 OpenAI 如何识别和管理模型风险的通道,是其既有对齐与安全研究的延伸。 有人跟进喊话 Anthropic「该你了」,暗示行业或掀起安全透明度比拼。
所属事件:OpenAI 启动嵌入式评估,四家外部机构入驻查安全(19 条相关)→
「安全」频道最新
- 银行等关键系统频发断网事故,官方均称互不相关 — josh_bickett · 2026-11-17
- Pedro Domingos 回击 Neel Nanda:机器无价值观才是科学共识 — pmddomingos · 2026-11-17
- Anthropic 递归自我改进警报被触发,承诺升级到空前安全级别 — ForgotMyParachute · 2026-11-17
- 研究警告:聚合分析聊天记录可能泄露敏感研究洞见 — niloofar_mire · 2026-11-17
- 美国收紧 AI 技术远程访问管控,与 Nvidia 裁员风波相关 — nordicinst · 2026-11-17
- heybox 开源:给 HEY CLI 加 Touch ID 锁,防 Agent 偷读邮件 — seanmcdonaldxyz · 2026-11-17