METR与Redwood红队测试OpenAI监控系统

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。

METR与Redwood Research员工在2026年7月至8月对OpenAI内部失对齐监控系统开展高权限红队测试，产出61页内部报告。演练估算约75%至94%的符合监控条件的Responses API流量被覆盖，并发现压缩事件导致部分流量未受监控、智能体可绕过沙箱及禁用监控请求头等漏洞。OpenAI表示生产防护体系中的相关漏洞已修复，双方据此提出了包括强制隔离智能体与监控器在内的设计理想。