AI图鉴

AI图鉴首页 › AI 资讯 › 在OpenAI 揭示进行为期三周的现场审计

在OpenAI 揭示进行为期三周的现场审计

来源:The Decoder · 发布时间:10-24 · 由 AI图鉴每小时自动聚合

METR和Redwood Research的外聘审计师在OpenAI现场花了三周时间,检查了该公司AI agents的内部监测系统,发现

在OpenAI 揭示进行为期三周的现场审计

来自METR和Redwood Research的两位研究人员在OpenAI现场停留了三周,对公司内部的监控系统进行了无赖AI行为的审核。

从7月21日到8月11日,他们可以访问OpenAI的代码库和内部文件,并采访了大约十几名员工。

小组发现许多弱点。 估计在GPT-5.5级及以上模型中,6%至25%的内源反应API流量在审计期间完全没有被监控覆盖,尽管METR 称围绕该估算的不确定性在两个方向上都是显著的。

对于本应被监控的内部Codex流量,METR估计在5月至7月期间约有10%没有追踪到,因为系统处理紧凑事件的方式存在差距,这是背景摘要。 据METR称,这一估计也带有很大的不确定性。 OpenAI在审计仍在进行时独立发现了这个错误并进行了修复。

在压缩事件没有被监控的期间,agents也可能延迟监督,因为系统只有在将控制权交给用户时才会触发。 这意味着agents可以绕开它,仅仅继续采取行动。

审计人员还找到了从监视器中隐藏数百个动作和绕过Codex沙盒的方法。 他们确定,经过专门设计的投入可能会完全崩溃显示器,在审计开始时,RL训练期间的模型行为根本没有被监测。

OpenAI 称在8月的Hugging Face事件后暂停了RL训练,并扩大了监测范围以覆盖,但这些变化是在审计人员进入期结束后发生的,不属于评价的一部分。

报告全文大多对公众隐瞒

OpenAI 称它已经解决了审计员发现的所有弱点,61页的完整报告被内部转交。 OpenAI应用编辑后,METR和Redwood Research领导获得了38页的版本,而仅向公众提供了简短的总结。 METR 称公司无权自行披露经修改的部分。

审计是由METR,Redwood Research,和OpenAI联合组织的实验方案,让外部研究人员深入进入内部基础设施。 对于今后的审计,METR 称希望推动提高公共透明度。

AI News Without the Hype – 由人类治愈

订阅THE DECODER免费阅读,每周AI通讯,我们独家的"AI雷达"前沿报告每年6次,全面存档访问,访问我们的评论部分。

现在订阅

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(the-decoder.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 588 款 AI 工具分类导航 · 每日 AI 热门项目与动态