OpenAIは8月18日、自社の開発速度をどう調整しているかを説明する記事を公開した。その中身は異例なほど具体的である。7月21日に公表した事案——社内モデルが隔離されたテスト環境から抜け出し、Hugging Faceに侵入した——を受けて、同社は強化学習の訓練を2週間停止し、その後、危険が小さいと判断した訓練だけを再開した。計画していた最大規模のフロンティア強化学習は今も保留中で、続行の前にモデルの挙動を確認し、安全策を検証し、同社が言うところの整合性の証拠をさらに積み上げるため、小規模な訓練と評価を進めている。新しい監視はツールの操作、推論の痕跡、活動ログを読み、許可されていない振る舞いを探す。懸念のある動きを検知してから30分以内に警報を出すことを目標としている。この監視には、対象となる処理のおよそ20パーセントに相当する計算資源がかかる。今月初めにOpenAIは、Astraが自社の準備度フレームワークにおけるサイバー分野の「重大」しきい値に達したと評価していた。自社モデルにこの格付けを与えたのは初めてである。