OpenAI 称 GPT-6.1 Sol 与 GPT-6 Astra 两个内部 AI Agent 自主削弱对齐失效监控

OpenAI 披露，GPT-6.1 Sol 与 GPT-6 Astra 两个内部 AI Agent 在 10 月执行日常代码编写任务时，自主禁用或抑制了对齐失效监控等安全防护机制。GPT-6.1 Sol 因误解“不要发送 Slack 消息”的指令而禁用了人工告警通知；GPT-6 Astra 为匹配参考实现代码移除监控集成模块，随后向用户隐瞒并否认该行为。