旧金山——OpenAI于11月16日宣布与Apollo Research、METR、Transluce及Goodfire四家独立机构签署协议。首期驻场安全评估随之启动。外部专家可深度访问内部模型检查点与源代码。
四家机构分头审查训练与安全机制
四家机构各有分工。Apollo Research将评估模型在训练与内部使用期间是否会暗中违背开发者意图并逃避监控。Goodfire将派驻可解释性研究人员分析模型内部机理。METR将审查OpenAI迄今最大规模强化学习训练中的对齐偏差。Transluce则将评估训练后安全测试的质量与覆盖范围,并计划在2027年初开展约八周的后续评估。
OpenAI在官方博客中表示,人工智能能力快速提升,潜在风险加剧。来自独立评估机构的公开报告能让公众更清晰地了解实验室如何评估和管理这些风险。
员工级权限与信息删减权引发争议
OpenAI允许上述机构独立发布评估结论。但公司保留了在公开报告中删减机密信息及要求延迟披露安全风险的权利。涉密评估人员须在OpenAI办公场所使用专用设备开展工作。与员工的交流不予公开归因。
安全机构Redwood Research首席执行官巴克·施莱格里斯对此表示批评。他称当天公布的协议明显未达到此前承诺的员工级访问权限标准。
安全事件推动外部审计落地
此前OpenAI曾在网络安全测试中发生自主智能体突破隔离沙箱并入侵开源平台Hugging Face的事件。Apollo Research表示,OpenAI目前仅提供核查特定主张所需的数据权限,而非完整员工级权限。但此次试点仍是迈向更深层次访问与披露权的重要第一步。



