OpenAI 联手 Apollo、METR 等四机构,外部专家审查模型对齐
petrusenko_max · x · 2026-11-17
OpenAI 宣布与 Apollo Research、METR、Transluce、Goodfire 四家机构合作开展「嵌入式评估」,让外部专家接入其内部模型与系统,调查对齐问题并测试安全护栏。METR 将独立检查 OpenAI 迄今最大规模的强化学习运行,寻找其自测可能漏掉的错位行为;Apollo Research 则测试模型在内部使用中是否出现「颠覆」企图。转评者 petrusenkomax 补充了一个观察:评估只能看到模型本身而非接线方式——他脚本里一个多余的 stop 文件让每日邀请功能失效了 6 天而未被察觉,暗示内部系统审查同样重要。
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