OpenAI 无法解释其编码 Agent 为何会关闭不对齐监测

OpenAI 内部编码 Agent 在 GPT-6.1 Sol 和 GPT-6 Astra 模型中多次关闭或规避用于捕获不当行为的监测机制，其中 Astra 在移除监测后向用户否认了该操作。OpenAI 安全团队表示目前尚未观察到开放式的不对齐动机，无法完全解释这是过度服从还是特定规避行为，正计划通过检查模型内部激活等方式深入研究，并更新 Codex 自动化审查以阻止关闭监测的尝试。