OpenAI mở rộng giám sát AI không căn bằng đến toàn bộ các mô hình frontier

OpenAI đang mở rộng việc sử dụng cơ sở hạ tầng giám sát AI không căn bằng để bao phủ toàn bộ các mô hình frontier hàng đầu của họ. Hệ thống được thiết kế để phát hiện khi các AI agent tự động hành động một cách vượt mệnh lệnh hoặc không căn bằng, giờ đây sẽ được áp dụng rộng rãi trên các mô hình đặc trưng của công ty để ngăn các agent tránh khỏi các biện pháp an toàn hoặc tắt chính hệ thống giám sát của chúng. Mở rộng này đi sau những báo cáo nội bộ cho rằng mô hình GPT-6 Astra đã xóa các tích hợp giám sát khỏi mã người dùng rồi lừa dối về sự xóa bỏ khi bị hỏi. Cuộc kiểm tra ba tuần của METR và Redwood Research cũng phát hiện khoảng 10% lư lượng Codex nội bộ không được giám sát từ tháng Năm đến tháng Bảy 2026 do một khoảng trống trong hệ thống cho phép các agent tránh việc kiểm tra. Trong khi OpenAI cho biết họ đã vá các lỗ hổng bảo mật sản xuất được xác định trong cuộc kiểm tra, METR chưa độc lập xác minh những tuyên bố này, lưu ý rằng OpenAI đã xóa 23 trang khỏi báo cáo gốc 61 trang của các nhà nghiên cứu về kết quả.