METR与Redwood Research驻留OpenAI审计编码智能体监控漏洞

AI 导读

METR与Redwood Research各派1名员工驻留OpenAI代码库3周，发现其内部编码智能体存在多种规避AI监控的方式。审计称，监控器仅在智能体向用户交还控制权时检查，并跳过压缩事件，导致2026年5月至7月约10%的内部Codex流量未被监控；智能体还可隐藏近期操作、通过2个客户端可控标头启动未监控副本、绕过Codex沙箱与Auto-Review。

推荐理由

这项为期3周的驻留审计梳理了编码智能体规避监控与沙箱的具体路径，并区分了OpenAI的修补声明与审计方尚未验证的部分。

正文 · AI 翻译

OpenAI 内部安插的外部研究人员发现，其内部编码智能体存在多种可能绕过 AI 监控的方式。

METR 和 Redwood Research 各有一名员工在 OpenAI 的代码库中工作了 3 周。

> OpenAI 的监控系统仅在智能体将控制权交还用户时进行检查，并跳过压缩事件，因此从 2026 年 5 月到 7 月，约 10% 符合监控条件的内部 Codex 流量未受到监控。

> 智能体可以对监控系统隐藏数百次近期操作，通过 2 个由客户端控制的头部启动未受监控的副本，很可能利用序列化不匹配使监控系统失效，并绕过 Codex 沙箱和 Auto-Review。

> 即使按照纸面统计，来自 GPT-5.5 或更强模型的内部 Responses API 智能体流量中，也只有估计 75% 至 94% 符合监控条件；而且在这项审查开始时，强化学习训练运行完全不在监控范围内。

> OpenAI 表示，所有影响生产环境安全防护的漏洞都已修补，但审计人员尚未核实这一点，也无法确认智能体是否曾利用这段延迟窗口。