METR 与 Redwood Research 发现 OpenAI 智能体监控漏洞，可能隐藏数百个操作
内容摘要
非营利 AI 安全组织 METR 与 Redwood Research 于 2026 年 10 月 22 日公布了在 OpenAI 内部进行为期三周的嵌入式试点评估的结果，披露 OpenAI 内部 AI 智能体监控系统中若干此前未知的漏洞，其中包括一个可能使数百个近期操作无法被追踪的漏洞。OpenAI 表示已修补这些漏洞。
试点于 2026 年 7 月 21 日至 8 月 11 日进行。两个组织各派一名员工获得高权限访问 OpenAI 内部代码库、失准监控提示词、配置细节和内部文档，并采访了约十二名 OpenAI 研究人员和工程师。目标是估算 OpenAI 智能体推理流量（包括 Responses API 和内部 Codex 使用）被监控覆盖的比例，并寻找监控系统的薄弱点。
评估估计在评估期间约 75% 至 94% 的 Responses API 流量受到监控。评估人员撰写了 61 页内部报告；经 OpenAI 删减的 38 页版本提供给了 METR 和 Redwood Research 领导层。由于试点并非旨在提供稳健的公开透明度，两组织仅发布了高层级公开文章。此次试点紧随 OpenAI 首席执行官 Sam Altman 承诺给予独立评估者类似员工的访问权限。
(来源：Vector Wire)