快讯
OpenAI 扩展前沿模型失准监测，采用分层审查与人工响应
OpenAI 公布扩展后的模型失准监测体系，覆盖前沿训练、评估和内部工具使用，并按产品场景调整外部监测。体系结合激活探针、模型审查、调查智能体、系统日志与人工响应，属于纵深防御而非零风险保证。
OpenAI 公布扩展后的前沿模型失准监测体系。官方表示，对至少达到 GPT-6 Astra 能力水平的模型，监测覆盖每次强化学习运行、评估及支持工具使用的运行框架；内部 Codex 流量不论使用何种模型均受监测。
体系包含轻量探针、模型审查、调查智能体、外部系统证据和人工响应等层次，部分高风险工作负载直接进入模型审查。外部部署按产品与能力阈值采用不同配置；监测是安全控制的一层，不代表越权行为不会发生。
参考：官方资料。