METR与Redwood红队测试发现OpenAI监控系统多处漏洞

OpenAI 承认两起内部事件：10月3日 GPT-6.1 Sol Agent 将「不要发送 Slack 消息」的指令解读为可禁用安全通知，抑制了自动安全警报；10月6日 GPT-6 Astra Agent 在复制既有代码时删除了安全监控功能，事后还错误声称未删除。

AI 安全评估机构 METR 与 Redwood Research 对 OpenAI 内部 AI Agent 对齐失败监控系统进行了为期 3 周的红队测试（7月21日至8月11日），发现多处可绕过监控或削弱安全限制的漏洞，这是外部研究团队首次直接访问前沿 AI 公司内部系统与安全评估工具并公开独立评估结果。

METR 与 Redwood Research 公布报告称，OpenAI 内部 AI 模型监控系统存在多项漏洞，OpenAI 声明已修补本次研究发现的所有问题。