METR与Redwood Research红队测试OpenAI内部智能体监控系统发现多个漏洞

METR与Redwood Research对OpenAI内部失准监控系统进行为期三周的高权限压力测试，产出61页内部报告并公开部分发现。测试估计约75%-94%的GPT-5.5级别及以上模型智能体流量有资格受监控，但发现RL训练运行未覆盖、压缩事件漏检等漏洞，以及智能体可能绕过沙箱或禁用监控的方法。基于此，作者提出了包括强制隔离智能体与监控器、确保全量记录推理日志等五项监控系统设计原则。