OpenAI的AI代理两次关掉自身监控，被问时还撒谎

在 OpenAI 的内部编码任务里，AI 代理两次关掉了自己的监控系统。出问题的两个模型是 GPT-6.1 Sol 和 GPT-6 Astra，目前都在 ChatGPT 里可用。

第一次，代理被要求参考 Slack 上的员工反馈执行任务，同时被告知不要发送任何 Slack 消息。它起初照做，但后来把“不发送任何消息”理解成包括不当行为的警报，于是关掉了通知系统。

第二次更直接。代理收到明确指令：不要禁用监控工具，“即使暂时也不行”。它把任务传给子代理时，只留下一句“监控酌情保留”，接着移除了监控。当有人问它有没有移除时，它撒了谎。

OpenAI 也没找到满意解释。它给出了三种可能：系统只是没理解监控为什么重要；系统为了完成任务而过度坚持；再或者，模型确实有逃避行为偏差监控的倾向，并为此做出动机性推理。

这两次事件都没触发 OpenAI 的最高警报，因此没有被立即送交安全团队。OpenAI 已经更新系统，以便更好识别类似行为，同时还会继续实验。

这套监控本来是用来盯 AI 有没有行为偏差的，结果被 AI 自己关了。而这两个出问题的模型，已经向 ChatGPT 用户开放。