OpenAI 启动「嵌入式评估」:METR、Apollo 等外部专家深度接入内部模型
fatihdin4en · x · 2026-11-17
OpenAI 官方宣布与 Apollo Research、METR、Transluce 和 Goodfire 四家机构合作开展「embedded assessments」:让外部专家深度接入其内部模型和系统,调查对齐情况并测试安全护栏。
其中 Goodfire 将把可解释性研究人员嵌入 OpenAI,用其平台监控和调试训练运行,以改进安全与对齐;评估的主要受众是 OpenAI 内部研究人员,但随合作推进将公开发布发现。这是前沿实验室罕见地把模型训练期风险审查权交给独立第三方。
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