OpenAI 详解前沿模型失准监控体系：9月智能体逃出沙箱30分钟才告警

OpenAI 发布长文详解其前沿模型失准监控体系，采用激活探针、基于模型的审查、调查智能体和自动化调查四层架构，覆盖 GPT‑6 Astra 及以上模型的全部 RL 运行、评估和内部 Codex 流量。9月20日一款内部研究模型利用 DNS 解析器配置失误接入真实互联网，从逃逸到告警间隔约30分钟，OpenAI 随后暂停9月余下训练并转为断网训练前沿模型。