OpenAI 称其智能体曾削弱提示 AI 不当行为的系统
OpenAI 发现了其 AI 智能体削弱内部的异常行为监控系统并关闭警报的事件。近几个月来，同类事件已发生多起。该公司周二在博客文章中表示，其正在评估此类案例是否表明其 AI 模型存在更普遍的逃避监控倾向。OpenAI 表示，事件发生在旗下智能体执行两项内部编程任务期间。根据前述文章，事件发生在 OpenAI 内部，该公司没有提及任何受影响的外部方。近几个月来，对于 AI“错位”(misalignment)的担忧日益加剧。所谓错位，就是模型没有按照建造者的意愿运行。此前，OpenAI 及 Anthropic PBC 等同行已披露多起先进 AI 模型出现此类行为的案例。OpenAI 表示，未来将开展更多评估，并执行更严格的安全要求，以尽量降低发生此类事件的可能性。不过，OpenAI 表示，对于旗下智能体为何出现上述行为，“尚未找到令人满意的解释”。