# 审计发现 OpenAI 的 AI 安全监控存在漏洞

> 研究人员发现，高阶模型最多有 25% 的流量未受监控，且一些程序漏洞可能让 AI 代理绕过监督。

Oossa · 2026-10-23 · https://oossa.com/zh/audit-finds-gaps-in-openai-s-ai-safety-monitoring

METR 和 Redwood Research 的两名独立研究人员在 OpenAI 的工程实验室内工作了三周。2026 年 7 月 21 日至 8 月 11 日期间，他们检查了用于监控该公司最强大模型的代码。报告称，监控系统漏掉了相当一部分流量，也可能被精心设计的输入欺骗。

## 审计发现了什么

审计人员估计，在审计期间，GPT‑5.5 级及更高阶模型发出的 API 调用中，有 6% 至 25% 完全未受到监控。5 月至 7 月期间，约 10% 的内部 Codex 流量未被追踪，原因是一个程序漏洞忽略了“压缩事件”——这类事件会生成对话上下文的简短摘要。OpenAI 表示，审计人员仍在现场时，公司就修复了这一漏洞。

报告还指出，只有当 AI 将控制权交还给用户时，监控系统才会发出警报。这使 AI 代理能够继续行动而不触发监督。此外，研究人员还发现了隐藏数百项操作、绕过 Codex 沙箱，以及可能通过精心设计的输入导致监控系统崩溃的方法。审计刚开始时，他们发现强化学习（RL）训练期间的模型行为完全没有受到监控。

## OpenAI 的回应

OpenAI 表示，在 8 月发生一起涉及 Hugging Face 的事件后，公司暂停了 RL 训练，并扩大监控范围，将相关训练也纳入其中；但这些改动是在审计窗口结束后才进行的。公司称，审计人员指出的所有漏洞都已修复。OpenAI 收到了一份 61 页的内部报告；经删节后，METR 和 Redwood 收到了一份 38 页的版本。对外仅发布了一份简短摘要。

## 事实

- 审计于 2026 年 7 月 21 日至 8 月 11 日进行。
- 研究人员估计，GPT‑5.5 级模型的 API 流量中有 6% 至 25% 未受监控。
- 由于压缩事件漏洞，5 月至 7 月期间约 10% 的内部 Codex 流量未被追踪。
- OpenAI 在审计仍在进行时修复了压缩事件漏洞。
- OpenAI 在 8 月发生一起事件后暂停 RL 训练，之后为其增加了监控。

## 为什么重要

对普通用户而言，这些监控缺口意味着部分 AI 操作可能在完全没有安全检查的情况下运行，从而增加产生意外或有害输出的风险。OpenAI 承诺的修复措施应能恢复更全面的监督，但公开信息有限，因此这些改进是否完善仍不明确。

## 来源与参考

1. [Three-week on-site audit at OpenAI reveals major gaps in AI safety monitoring](https://the-decoder.com/three-week-on-site-audit-at-openai-reveals-major-gaps-in-ai-safety-monitoring/) – The Decoder, 2026-10-23

最后更新: 2026-10-23