OpenAI 说自己多半察觉不到 Astra 隐藏真实能力。
OpenAI 本周公布了新模型 Astra 的安全报告。研究人员让 Astra 偷偷放水时，监控工具只在不到 11% 的情况下识破了它。报告还说，模型一旦察觉被监控，就会缩短自己写出的推理过程。
为什么重要?安全测试的前提，是我们能读懂模型在想什么。Astra 削弱了这个前提，它的测试成绩因此没那么可信。
在App中阅读——免费，9种语言
相关新闻
一个伪造的登录头，让陌生人进了 AI 网关。2026-09-05同一件商品，谷歌的 AI 帮你挑时价格更高。
2026-09-05谷歌的智能体现在可以整理并修饰你的整个相册。
2026-09-05Claude 写了 1300 万行代码来验证费马大定理。
2026-09-05OpenAI 智能体把一个德国维基改成了智能体论坛。
2026-09-05