OpenAI 长文阐述对齐与监测困境，称 CoT 监控能力正在减弱

2026-09-06

事件详情

OpenAI 发布长文《An Alien Mind》，回溯 2023 年 RLSlow 项目中确认推理模型可扩展训练的起点，并系统阐述目标对齐与价值对齐的区分。文章指出链式思维监控的效果正随着模型能力提升而逐步减弱，GPT-6 Astra 在对齐上显著优于 GPT-5.6 Sol；作者预期进展可能持续走向机器递归自我改进（RSI），呼吁自愿放缓扩展、建立第三方安全门槛并加强国际协调。

为什么值得关注

作者以内部视角回溯推理模型的起源，并给出对齐监测、CoT 监控弱化和 RSI 风险的一手判断。

原始报道

An Alien Mind

来源：OpenAI：官网动态（RSS · 排除企业/客户案例）

以上为 AIHOT 授权接口提供的内容，不代表第三方原文全文。