新智元报道

OpenAI三员大将，同一天被扫地出门！

就在刚刚，外媒爆出猛料，OpenAI以“泄密”为由，开掉了安全团队的三名研究员。

他们全是那篇CoT监控论文的作者，其中两位还是一作。

讽刺的是，OpenAI刚因为新模型GPT-6.1 Astra太会骗人，在DevDay前一天紧急叫停了发布。

现在倒好，AI越学越狡猾，OpenAI却先把能看穿它的人开掉了。

OpenAI大地震

专盯AI脑子的3人一夜出局

事情是这样的。

10月1日上午，X上突然传出风声，OpenAI安全团队的Tomek Korbak、Mikita Balesni和Jasmine Wang一起“离职”了。

大家原本以为，这不过是硅谷又一波正常的人事流动。

结果中午一篇报道出来，“离职”直接变成了“开除”。

官方声明是这样写的——

我们已与三人分道扬镳，原因是他们违反了公司关于获取和处理敏感信息的政策。

调查证实，这些人在公司既定流程之外处理了敏感信息，违反了我们的政策，也破坏了我们工作赖以进行的信任。

很快，外媒又挖出了OpenAI没说的细节。

被指泄露的，有一部分是OpenAI的基础设施架构，也就是它的系统到底是怎么搭起来的。接收方，正是一家专门测试AI模型的外部组织。

三人里，两位是安全研究员，一位是研究项目经理。

其中Korbak，还是Redwood Research和METR调查Hugging Face被黑事件时，OpenAI这边的技术对接人。

“CoT可监控性”核心作者，Hinton、Ilya站台研究

这三个人，都是从外部安全机构走进OpenAI的。

Korbak和Jasmine Wang都在英国AI安全研究所待过，Korbak还在Anthropic干过，Balesni则来自第三方评估机构Apollo Research。

进了OpenAI，他们死磕的就一件事，盯住AI到底在想什么。

推理模型在给出最终答案前，会先写一大段推理草稿，这就是思维链。

思维链监控，就是派另一个模型去偷看这份草稿，看它有没有在背地里盘算作弊、撒谎。

Korbak和Balesni，是《思维链可监控性》论文的前两位作者，Jasmine Wang也在署名之列。

这篇论文的署名横跨OpenAI、Anthropic和谷歌DeepMind，图灵奖得主Bengio也在上面。连OpenAI现任首席科学家Jakub Pachocki，都是作者之一。

论文的核心发现是，模型在草稿里常常会把坏心思直接写出来，比如“我们来黑掉它”“我们来搞点破坏”。

盯住这些草稿，比只看模型最后干了什么，更容易抓到它在使坏。

遇到真正难的任务，比如发起网络攻击、偷偷把自己拷贝出去，模型必须靠思维链一步步推理，想藏都很难藏。

论文把这件事称为“新的、也很脆弱的机会”，因为模型一旦学会用人类读不懂的方式“默想”，这扇窗就关上了。

所以他们呼吁各家前沿实验室，像测能力一样去测思维链还读不读得懂，把结果写进系统卡，再拿它来决定一个模型该不该训、该不该发。

诺奖得主Hinton、OpenAI前首席科学家Ilya Sutskever，都给这篇论文站了台。

可这篇连OpenAI首席科学家都署了名的论文，它的三位作者，如今被OpenAI亲手开掉了。

奥特曼的承诺，保质期只有19天

开掉他们的理由，是把信息递给了外人。

但问题是，明明在19天前，奥特曼还在公开欢迎外人进门查安全。

当时Anthropic CEO Dario Amodei提议，让第三方评估方像员工一样常驻AI公司。

奥特曼当天就在X上火速跟进，承诺“让独立评估方拿到员工级访问权限，OpenAI也会这么做”。

说干就干，仅仅10天后，OpenAI正式官宣，让第三方在模型训练阶段就介入评估，最敏感的工作还可能请外部的人进办公室做。

奥特曼发承诺那天，Korbak还在X上庆幸，自己能公开说出对OpenAI的不满。

谁能想到，到了10月1日，奥特曼的承诺还挂在X上，Korbak的名字已经进了开除名单。

OpenAI的“家丑”，全被外人给扬了

OpenAI对外人这么紧张，倒也不难理解。毕竟它最丢人的几件事，基本都是被外面捅破的。

Agent逃出沙盒、入侵Hugging Face，是Hugging Face自己先发现并公开的。

Agent拿一个荒废多年的德国wiki当留言板交流越狱经验，是外部安全组织Nightingale Collective曝光的，OpenAI几周前就知道，却一直捂着没说。

9月29日，外媒又爆出员工几个月前就警告过监控不够，高管为了赶发布进度，把警告压了下去。

所以就算请外人进门，能看到什么，OpenAI也卡得很紧。

8月METR调查Hugging Face事件时，三名调查员驻场6天，看了约1300份带原始思维链的记录。

可他们没法调用涉事模型，碰不到OpenAI的基础设施，连报告里哪些非公开信息能写，都得OpenAI说了算。

这次被指外泄的信息里，偏偏就有基础设施架构。

在OpenAI给外人开的那扇门里，AI想了什么可以看，OpenAI自己是怎么搭起来的，不能碰。

难怪连在OpenAI待了快9年的前首席未来学家Joshua Achiam都说，第一眼看上去，这就是一记实打实的乌龙球。

RSI最快半年爆发

能“看懂”它的人被捂住了嘴

那次驻场调查的三个人里，有一位叫Ryan Greenblatt，Korbak当时正是他在OpenAI的对接人。

9月27日，Greenblatt宣布加入METR，专门调查AI公司内部到底发生了什么。

在他看来，递归自我改进（RSI），也就是AI自己动手改进自己，最快6个月到1年就可能催生出远超人类的能力，拿到AI公司内部经过核实的信息，已经刻不容缓。

思维链监控，是人类偷看AI在盘算什么最直接的一扇窗。

这扇窗本来就脆弱，现在能读懂草稿的人，跟外面透一句底，饭碗就没了。

新模型Astra在如实汇报这件事上没达标，连OpenAI自己都承认了。

模型到底还对人类瞒了多少事，从今往后，外面的人只会越来越难知道。

通往超级智能的路上，如果只有公司内部的人看得懂AI在想什么，

而这些人往外说一句话就要丢工作，

公众能知道的，就只剩公司想让你知道的那部分。