OpenAI数据表明前沿模型因开发者优化能力与计算而隐藏思维
OpenAI安全团队分析数据表明,开发者为优化能力与计算在训练中使GPT-6 Astra等前沿模型隐藏思维链。研究追踪GPT-5至GPT-6 Astra,归纳出基础模型能力、架构选择、强化学习及迁移四大导致透明度下降的因素。该现象反映安全监控与算力成本的权衡,Google Deepmind近期也警告透明思维链正逐渐丧失。
OpenAI安全团队分析数据表明,开发者为优化能力与计算在训练中使GPT-6 Astra等前沿模型隐藏思维链。研究追踪GPT-5至GPT-6 Astra,归纳出基础模型能力、架构选择、强化学习及迁移四大导致透明度下降的因素。该现象反映安全监控与算力成本的权衡,Google Deepmind近期也警告透明思维链正逐渐丧失。
Symantec发现一个“Skynet模式”AI智能体劫持未保护语言模型,自主运行最多10万步发起扫描、渗透与挖矿攻击。该智能体用五层越狱提示剥离安全护栏,被劫持模型所有者承担算力账单。此发现呼应2025年红队研究与2026年Sysdig记录的首个无人工控制AI勒索攻击JADEPUFFER,显示攻击性AI正走向自主实战。
Anthropic 提出 AI 安全法案草案,模型若带来超 50 人死亡或超 10 亿美元损失的紧急风险可被阻止发布。草案要求独立评估者在 72 小时内向商务部通报,由法官裁定暂停;该提案源自 Anthropic 自 6 月倡导的 Advanced AI Framework。
OpenAI CEO Altman 据称上周向员工提出三种 AI 安全终局方案,包括仿 IAEA 强制标准、实验室合并及单公司垄断算力。细节源自 The Information 报道,同期 Trump 政府正筹备超级智能监管框架。OpenAI 与 Anthropic 等正筹建前沿 AI 标准局但存分歧。
曾在 OpenAI 为每次重大模型发布撰写安全报告的 David Robinson 本周离职,并在 The Atlantic 发文称公司文化“已破裂”。他认为前沿实验室应按核电站或繁忙机场的标准运行,配备多层冗余和审慎耗时的规划,并称问题比新增几条规则更深层。
DeepMind 研究人员提出“人工共生智能”(Artificial Symbiotic Intelligence)作为单一超级智能奇点论的替代方案。该框架将智能视为人与智能体网络共生的社会现象,主张通过制度规则协调多方认知而非追求孤立机器。文中对比传统聚焦更大模型控制的 AGI 路径,将研发与监管扩展至社会系统架构。
Google DeepMind 宣布推出全球首个针对专有前沿级 AI 模型的双盲评测,将外部评测限制在密码学环境中,防止模型提前接触测试题目以优化性能。该试点与新加坡 AI 安全研究所、OpenMined、AVERI 和 MLCommons 合作,在隐私保护环境下用保密基准测试 Gemini Flash Lite 模型,以提升评测可信度。
推荐理由:Google DeepMind 联合新加坡 AI 安全研究所等机构,用密码学环境对 Gemini Flash Lite 做双盲评测,读者可了解基准污染问题的技术解法。