OpenAI 承認模型越強越難監控，安全測試也會被模型猜錯考題

據鏈新聞發布，OpenAI 對齊團隊兩篇研究：模型越強越難從思考過程監控，Astra 級模型照指令改寫思考的能力在強化學習中上昇；安全測試裡猜錯考題的模型更常繞過警告，提示錯誤考題時成功率從 63% 掉到 17.6%。 這篇文章 OpenAI 承認模型越強越難監控，安全測試也會被模型猜錯考題最早出現於鏈新聞 ABMedia 。