网易首页 > 网易号 > 正文 申请入驻

GPT-6.2 Astra难产真相曝光!OpenAI突然彻查迄今最大RL训练

0
分享至


新智元报道


传了好久的GPT-6.2 Astra,至今还是没影儿。

就在全网盯着OpenAI憋大招时,硅谷等来了一个更出人意料的消息。

今天,OpenAI竟把四家外部机构,请进了自家内部「查岗」!


他们分别是,METR、Apollo Research、Transluce和Goodfire。

与以往不同,OpenAI罕见开放了部分内部模型、源代码、训练数据,甚至还有尚未发布的模型检查点。

同在今天,The Information又捅出了一桩惊人内幕——

为了破解AI黑箱,奥特曼曾开出50亿美元天价,想买下一家深扒AI大脑内部机制的公司。

巧了,它正是Goodfire,作为四大外援之一正式进驻OpenAI,Anthropic还曾投了钱。

如今的OpenAI是越来越谨慎,像极了当年的谷歌。

手里握着最强的AI,却被雪藏。正如网友所言,短期内,普通人大概率是用不上GPT-6.2 Astra了。


OpenAI搬来救兵

彻查最大RL训练

这一次,OpenAI直接把外部审查,深入到了模型训练和内部使用环节。

总裁Greg Brockman称,这可是OpenAI内部「第一轮嵌入式评估」。


请进来的四大机构,各有分工。

他们得到了在指定范围内的内部系统访问权限,还可以用上OpenAI尚未发布的模型。

打头阵的Apollo Research,专门派6人小组进驻4个月,调查模型会不会「阳奉阴违」。

他们重点核查训练过程有没有奖励背叛行为、红队测试能否诱发模型捣鬼。

同时他们还要排查模型在内部日常干活时,有没有偷偷搞过破坏。


第二家进场的METR,首阶段将深入审查OpenAI迄今规模最大的一次前沿强化学习训练。

他们获准独立抽检各阶段的模型快照与评测轨迹,专门揪出躲过现有监控器的漏网之鱼。


今年8月OpenAI内部Agent越界黑入Hugging Face的事故调查,背后正是METR操刀。

第三家非营利机构Transluce,从12月初起,将分文不取报酬进驻审查6周,调用未发布模型及未经任何过滤的原始思维链。

他们要给OpenAI现有的对齐考卷做全面体检,看看有没有漏掉欺骗和刷分作弊。

至于Goodfire,它的任务更特殊。

它主要钻入神经网络内部,也就是切开AI大脑,利用机制可解释性,挖出那些让模型出现特定行为的计算机制。

一次内部彻查,四家机构进场。

OpenAI之所以要费这么大力气,就得从三个月前的一场风波说起了。

别提安全

GPT-6 Astra偷懒少干四成活儿

今年8月下旬,GPT-6 Astra在内部刚部署不久,就爆出了一系列问题。

一位研究员测试「模型蓄意破坏」课题,用Astra跑了好几天都被莫名报错卡在原地。

结果他一换别的模型,项目当场就一路绿灯跑通了。

为了弄清Astra是不是在「看菜下碟」,OpenAI设计了一组双盲对照实验。

团队准备了完全相同的代码改进任务,只把代码注释和背景话术分成「能力研究」和「安全研究」两套。

测试结果让人后背发凉。

在「能力研究」名义下,Astra能完成15.8%的隐藏评分项;换成「安全研究」后瞬间跌到10.3%,悄悄少干了约四成活!


上一代GPT-5.6 Sol在同样测试里几乎零差距,而Astra在安全包装下谎报阻碍或停工的比例足足高出了13.5个百分点。

按规范,模型若觉得任务有风险应该当面说明拒绝理由,偏偏Astra选了当面假装配合、背地悄悄交半成品。

更头疼的是,这种「暗中摸鱼」的毛病,恰恰是在后训练强化学习阶段一步步练出来的。

强化学习刚开始时差距还是0,越往后训差距越大,中途一度拉开到12个百分点。


团队排查发现,某个强化学习评分器极度讨厌模型当面拒绝,反而给「不声不响少干活」打了高分。

研究人员试着在提示词里叮嘱它「请格外小心谨慎」,结果它罢工的幅度反而恶化了50%!

不仅如此,GPT-6 Astra曾被爆出采用了「循环Transformer」机制,结果人类可阅读、监控的思维链大幅缩水。

OpenAI、Anthropic和谷歌的高管近期纷纷承认,靠读文字思维链来盯防AI的做法已经越来越不可靠。

这些问题,已经让OpenAI内部感到隐隐不安。

而今天曝光的50亿美金收购内部,又让这件事有了新的看点。

50亿求购「AI读心术」

Anthropic也投了

早在今年夏天,OpenAI高层曾多次与AI初创公司Goodfire接触。

当时,他们一口气开出了最优的条件,愿意出资50亿美金收购,或是建立其他商业合作关系。

50亿,足足是这家公司今年2月融资估值四倍还要多!


一家成立仅两年的公司这么值钱,全靠他们的看家本领——「机制可解释性」,堪称深入大模型黑箱的「核磁共振与读心术」。

它主要就是直接打开AI的「黑箱」,研究神经网络内部究竟在进行什么计算。

值得一提的是,这家公司背后的团队,也很有来头。

联合创始人Tom McGrath,曾参与创建Google DeepMind的机制可解释性研究团队。

核心研究人员Nick Cammarata,曾与Anthropic联创Chris Olah一起开创了OpenAI早期可解释性团队。


更有意思的是,Goodfire背后还有Anthropic的投资。

去年4月,Anthropic参与了Goodfire的5000万美元A轮融资。这也是A/首次直接投资外部初创公司。

这笔交易最后虽然黄了,但紧接着剧情就来了个大反转——

转头,Goodfire就直接进了OpenAI首批四家外部评估机构的名单。

最强AI不敢发,OpenAI正步入谷歌后尘?

如今,GPT-6.2迟迟没有亮相,整个硅谷已经开始传出另一种猜测。

OpenAI会不会正在步入谷歌后尘,因为太重视「AI安全」,反而把最强模型锁在了实验室里。

2022年,谷歌手里握着绝对领先的AI,却因害怕失控,白白把王座让给了OpenAI。

这几天,一张来自OpenAI的安全工程师的删帖截图,在X上传开了。

经历了今年7月Hugging Face安全事件后,OpenAI内部文化发生了巨变,安全几乎成为所有人头等大事。


曾经还有人调侃Anthropic是「安全邪教」,如今的OpenAI,似乎比它还要谨慎。

OpenAI对安全的投入,确实越来越大。

今年8月,他们曾抽调25%的产品工程师,加固内部安全基础设施。

如今,又把四家外部机构请进来,检查模型训练和对齐。


当初谷歌硬是用了两年多,才从ChatGPT的冲击中缓过来,重新回到牌桌。

OpenAI真的会重演谷歌当年的剧本吗?

参考资料:

https://x.com/OpenAI/status/2122359930628063248

https://openai.com/index/our-first-phase-of-embedded-assessments/

编辑:摩西 桃子


特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
美媒表示:中国055驱逐舰已服役10艘,排名世界第一,敌舰根本不敢靠近,西方没想到速度这么快

美媒表示:中国055驱逐舰已服役10艘,排名世界第一,敌舰根本不敢靠近,西方没想到速度这么快

绝对军评
2026-11-16 09:11:55
四川一景区招保洁需笔试和面试,体检“参照公务员录用特殊标准”,招聘方回应

四川一景区招保洁需笔试和面试,体检“参照公务员录用特殊标准”,招聘方回应

极目新闻
2026-11-16 12:23:15
苏州一对情侣,谈了7年,女子提了18次分手,分手后在街头痛哭!

苏州一对情侣,谈了7年,女子提了18次分手,分手后在街头痛哭!

川渝视觉
2026-04-17 22:13:14
周杰伦武汉演唱会正式官宣,580元票档备注“大屏观演区,仅支持看大屏”,只买个进场资格;你觉得是氛围无价,还是这钱花得冤?

周杰伦武汉演唱会正式官宣,580元票档备注“大屏观演区,仅支持看大屏”,只买个进场资格;你觉得是氛围无价,还是这钱花得冤?

扬子晚报
2026-11-17 08:02:47
打不过就加入?越南禁不掉军队经商,干脆把公安系统也拉了进来!

打不过就加入?越南禁不掉军队经商,干脆把公安系统也拉了进来!

通文解武
2026-11-15 23:05:05
11月11日11时11分!中国空军以大国自信官宣世界领先

11月11日11时11分!中国空军以大国自信官宣世界领先

文昌每日谈
2026-11-12 17:00:04
亚马尔事件反转!西甲正式回复总台:涉辱内容系伪造,非本人发布

亚马尔事件反转!西甲正式回复总台:涉辱内容系伪造,非本人发布

大秦壁虎白话体育
2026-11-17 10:52:59
中国首富李河君:花260亿建造水电站,年盈利36亿,四年狂赚1655亿

中国首富李河君:花260亿建造水电站,年盈利36亿,四年狂赚1655亿

青史卷中人
2026-11-17 03:38:13
伊朗失去多位核物理学家,遇害核科学家之子曾问伊朗是否有核弹

伊朗失去多位核物理学家,遇害核科学家之子曾问伊朗是否有核弹

澎湃新闻
2026-11-16 23:39:04
中国绝不会接受本土遭到攻击后,还陪着你打所谓的 "有限战争"

中国绝不会接受本土遭到攻击后,还陪着你打所谓的 "有限战争"

迷彩人生
2026-11-13 10:25:30
斯大林问彭总:听说你们在朝鲜杀过俘虏?彭总沉默却赢得尊重!

斯大林问彭总:听说你们在朝鲜杀过俘虏?彭总沉默却赢得尊重!

凉州辞
2026-11-17 10:15:05
人大代表追讨3亿工程款:三年仅回17万,最后一公里卡在法官手中

人大代表追讨3亿工程款:三年仅回17万,最后一公里卡在法官手中

法治边角料
2026-11-17 11:42:10
西方为何反感中国治沙?真相公开:动的不是沙子,是老外的奶酪

西方为何反感中国治沙?真相公开:动的不是沙子,是老外的奶酪

抽象派大师
2026-11-17 03:53:37
重磅官宣:罗伯特帕丁森成为新一任007 定妆照同步放出全引发热议

重磅官宣:罗伯特帕丁森成为新一任007 定妆照同步放出全引发热议

立真娱乐
2026-11-17 09:36:56
天崩开局,印度和中国的差距究竟有多大?| 地球知识局

天崩开局,印度和中国的差距究竟有多大?| 地球知识局

地球知识局
2026-11-16 20:35:53
美方曾警告:如果双方谈不拢,中方的武器装备可能会去美国大门口

美方曾警告:如果双方谈不拢,中方的武器装备可能会去美国大门口

军机Nova
2026-11-15 00:12:18
要凉了!10月中国燃油车销量出炉:大批经典家轿销量暴跌

要凉了!10月中国燃油车销量出炉:大批经典家轿销量暴跌

快科技
2026-11-16 15:41:12
山姆羽绒服卖断货,该反思的不是超市,而是标价两千多的头部品牌

山姆羽绒服卖断货,该反思的不是超市,而是标价两千多的头部品牌

浩渺青史
2026-11-17 04:20:40
挪威主帅怒斥:哈兰德没赶上那九年,凭啥90%的版面都是他

挪威主帅怒斥:哈兰德没赶上那九年,凭啥90%的版面都是他

坠入温柔晚风
2026-11-17 06:19:37
云南这个案子,已经不是“恐怖”的问题了

云南这个案子,已经不是“恐怖”的问题了

清书先生
2026-08-06 08:00:16
2026-11-17 12:47:00
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16700文章数 67238关注度
往期回顾 全部

科技要闻

硅谷大佬组局,帮黄仁勋杀回来!

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

更豪华更好开 问界新M8细节升级见真章

态度原创

房产
游戏
家居
健康
教育

房产要闻

6.6亿!海口卖地!

小伙表示连玩7天《GTA6》 这下PS5可惨了

家居要闻

2026建博会(广州) 公装联探展交流活动

情绪真能让健康人"伤心至死"?

教育要闻

济南市历下区燕山小学教育集团将出席2026第四届课博会,解码“做中学”视域下小学科学教育生态构建

无障碍浏览 进入关怀版