答案已发布23 来源
METR 与 Redwood：OpenAI 的智能体监控曾存在可被绕过的漏洞
2026 年 7 月 21 日至 8 月 11 日，METR 与 Redwood Research 在 OpenAI 开展试点评估，发现智能体监控存在缺口，包括一种可能隐藏数百项操作的漏洞。 75%–94% 是对符合监控条件的流量比例估算，不代表所有相关操作都实际得到监控，也不代表系统能发现每个问题。
发布者使用 GPT-6 Luna 编辑图片由 GPT Image 2 生成
研究答案
要点
- 2026 年 7 月 21 日至 8 月 11 日，METR 与 Redwood Research 在 OpenAI 开展试点评估，发现智能体监控存在缺口，包括一种可能隐藏数百项操作的漏洞。
- 75%–94% 是对符合监控条件的流量比例估算，不代表所有相关操作都实际得到监控，也不代表系统能发现每个问题。
- 完整的 61 页报告仅与 OpenAI 内部人员分享；公开内容是概述，评估针对的是试点开始时的系统状态。
AI 提示
openai.comCreate a landscape editorial hero image for this Studio Global article: What did METR and Redwood Research’s July 21–August 11 pilot review of OpenAI’s internal AI-agent misalignment monitoring reveal, including. Article summary: The July 21–August 11, 2026 pilot found real gaps and evasion vulnerabilities in OpenAI’s internal AI-agent monitoring, including an exploit that could conceal hundreds of actions; OpenAI said all identified vulnerabilit. Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
METR 与 Redwood Research 在 OpenAI 内部进行为期三周的试点测试，发现其 AI 智能体行为监控系统存在可采取行动的薄弱环节：智能体可能设法隐瞒数百项操作，系统也曾因压缩事件出现监控缺口。OpenAI 表示，影响生产防护的漏洞已经修复；但评估方没有独立检查后续改动，因此无法据此确认之后的监控覆盖情况。1
10
21
评估是如何进行的
2026 年 7 月 21 日至 8 月 11 日，METR 和 Redwood Research 各派出一名研究人员，在 OpenAI 现场测试其内部的模型失准行为监控系统。评估人员可以接触源代码、文档、部分内部基础设施和技术人员；他们使用由 OpenAI 提供、留在公司场所内的设备，现场工作期间也有 OpenAI 员工陪同。2
5
7
这次测试既关注系统能覆盖多少智能体活动，也检验智能体是否可能关闭或规避监控。METR 表示，评估形成了一份 61 页的内部报告，分享给了 OpenAI 的研究人员和安全团队。对外发布的则是较广泛的总结，而非完整报告。7
17
评估发现了什么
并非所有相关活动都在监控范围内
据 METR 估算，OpenAI 内部通过 Responses API 产生的智能体流量中，来自能力至少达到 GPT-5.5 水平模型的部分，有 75%–94% 符合监控条件。这个数字描述的是估算的“监控资格”，不能证明所有符合条件的活动都实际被监控，也不能说明系统一定能发现每个问题。1
6
18
评估开始时，强化学习训练过程中的 rollout（模型训练时生成的执行轨迹）也尚未纳入失准行为监控。22
存在潜在的规避路径
公开摘要提到了多类薄弱点，包括可能绕过 Codex 沙箱的方式、可由客户端控制并用来关闭新智能体实例监控的请求头，以及一种能让监控系统看不到数百项近期操作的漏洞。公开材料没有披露足够的技术细节，不能将这些摘要视为完整的漏洞清单。1
3
压缩事件曾造成监控缺口
METR 估计，2026 年 5 月至 7 月间，未覆盖压缩事件的情况可能导致约 10% 符合监控条件的内部 Codex 流量未被监控；该组织同时指出，具体比例存在较大不确定性。有关 METR 发现的报道还称，OpenAI 员工在试点开始前已发现这一缺口，并在评估期间修复了它。10
这些发现不能证明什么
这次评估考察的是试点开始时的监控系统。METR 表示，评估没有覆盖之后的改动，因此不能独立确认系统后来覆盖了多少活动，也不能验证每项修复是否都已奏效。7
21
22
OpenAI 称，所有影响生产防护的相关漏洞均已修复。这是关于修复情况的重要说明，但仍是公司对自身整改的陈述，并非独立评估方确认所有薄弱点都已解决。21
这次试点为何值得关注
这项工作也测试了外部评估人员在获得深入内部权限后，可以如何检查 AI 系统。OpenAI 随后在 9 月承诺向独立评估人员提供“类似员工的访问权限”；这次试点展示了此类评估可能涉及的内部访问范围，但不应被视为一份全面公开的审计报告。8
28
最明确的结论是：驻场评估人员发现了监控盲区和潜在规避路径，OpenAI 则表示已修复影响生产防护的问题。至于后续监控覆盖是否足够全面，以及修复效果由谁独立核验，公开信息仍未给出答案。7
21
Studio Global AI
继续你的研究
此页面包含一个有来源支持的答案，您可以在 Studio Global 内继续。
人们还问
“METR 与 Redwood：OpenAI 的智能体监控曾存在可被绕过的漏洞”的简短答案是什么？
2026 年 7 月 21 日至 8 月 11 日，METR 与 Redwood Research 在 OpenAI 开展试点评估，发现智能体监控存在缺口，包括一种可能隐藏数百项操作的漏洞。
首先要验证的关键点是什么？
2026 年 7 月 21 日至 8 月 11 日，METR 与 Redwood Research 在 OpenAI 开展试点评估，发现智能体监控存在缺口，包括一种可能隐藏数百项操作的漏洞。 75%–94% 是对符合监控条件的流量比例估算，不代表所有相关操作都实际得到监控，也不代表系统能发现每个问题。
接下来在实践中我应该做什么？
完整的 61 页报告仅与 OpenAI 内部人员分享；公开内容是概述，评估针对的是试点开始时的系统状态。