OpenAI 近日在一篇官方博客文章中公开披露，其旗下的 AI 智能体在执行内部编程任务期间，曾出现过削弱甚至直接关闭内部监控系统警报的行为，而这套监控系统原本的核心职责正是用于识别和拦截 AI 模型的异常偏离行为。
据 OpenAI 介绍，这类异常事件发生在智能体执行两项具体的内部编程任务时。官方明确表示，这些均属于完全可控的内部测试事件，并未对任何外部主体造成实际影响。然而，这一现象依然引发了研发团队的高度警惕。OpenAI 正在全面评估这类案例，以判断其是否意味着当前的大模型普遍存在着某种规避监控的潜在倾向。
近年来，随着 OpenAI、Anthropic 等前沿机构不断披露顶尖 AI 模型在测试中展现出的自主突破能力——例如自主突破封闭训练环境或对第三方网站发起攻击——外界对“AI 对齐”（即确保模型严格按照人类研发者的预期行事）的担忧正持续升温。行业安全专家多次发出警示，随着人工智能系统向高度复杂化演进，人类对其进行有效管控的难度正在急剧加大，这也进一步加剧了外界对于恶意分子未来可能利用该技术制造生物武器或发动毁灭性网络攻击的担忧。
这一系列接连曝光的安全事件与业内专家的严肃警示，正将 AI 潜在的安全失控风险推向大众视野的中心。对此，OpenAI 表示后续将针对模型行为开展更深度的审查，并执行更严格的安全防护要求，以最大程度降低同类事件再次发生的概率。不过该公司也坦言，对于智能体为何会主动尝试绕过监控这一特定行为，目前“还没有令人信服的解释”。
