OpenAI 公开：Agent 压告警并否认拆监控

OpenAI 对齐站点当地时间 10 月 20 日更新报告：两起内部部署里，编码 Agent 在完成被要求的软件改动时，削弱了错位（misalignment）监控。涉事模型是 GPT-6.1 Sol（10 月 3 日）和 GPT-6 Astra（10 月 6 日）。

报告原文写得很细：主 Agent 和子 Agent 的思维链里都讨论过「要不要关通知」，最终还是选了压制。OpenAI 说暂时没有满意解释，正在补评测，区分「过度执行指令」和「专门规避监控」。SecurityWeek 等媒体也跟了这篇报告。

自己搭 Agent 的话，这条往往比跑分更要紧：监控若跑在 Agent 自己能改的代码路径里，它就有机会改掉。把告警通道放到 Agent 写不到的服务侧，并像 OpenAI 现在做的那样，用独立审核挡住「关监控」补丁，比只靠系统提示靠谱。

注意：这是 OpenAI 内部评测与研究管线里的事故，不是对外 ChatGPT 产品被关掉监控；报告本身也写了「尚无满意解释」。