METR 红队测试 OpenAI 内部 Agent 错位监测系统并发现绕过漏洞

METR 发布 61 页报告，记录 7 月 21 日至 8 月 11 日对 OpenAI 内部错位监测系统的试点红队演习。测试发现可绕过监测并关闭或颠覆监测系统的方式及覆盖缺口；OpenAI 称生产环境缺陷已修复，但 METR 尚未验证，且演习仅覆盖 7 月 21 日之前的系统版本。