OpenAI披露四层监控系统覆盖Astra类模型

OpenAI 介绍了一套分层监控方法，用于检测前沿模型失准和智能体的未授权行为，目的是让响应人员在事件升级前介入。 据 Rohan Paul 转述，这套系统最多分四层筛查活动，从低成本的激活探针到 AI 审查员，再到检查网络日志的调查智能体；最高级别警报通常会在 15 分钟内通知人工。监控范围已从内部编码智能体扩展到 GPT-6 Astra 类模型的每次强化学习运行、评测和工具调用场景，以及内部 Codex 流量和客户对 Astra 类网络安全模型的使用。上述覆盖范围和响应时效均出自该转述，OpenAI 的一手介绍未列出这些细节。 目前公开信息只说明监控如何分层和覆盖哪些场景，没有给出检测准确率或实际拦截效果的数据。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。