OpenAI 如何检测前沿模型的对齐偏移

OpenAI 采用分层监控机制，检测前沿模型的对齐偏移与未授权的智能体行为，使响应人员能在事件升级前介入。该机制通过多层监测手段，在模型出现 misalignment 或异常 agent 行为时及时预警，从而在风险扩大前进行人工干预。