OpenAI 自 GPT-5.6 起在前沿模型部署激活分类器探针

OpenAI 可解释性团队宣布，自 GPT-5.6 起在前沿模型中部署激活分类器探针，作为安全训练之外的实时防御层。该机制利用模型内部激活进行流式判定，可在违规回答输出过程中中途阻断；其局限包括依赖标注数据、只能检测已知类型的不良行为，且难以跨模型复用。