OpenAI报告发现高层目标可被预测

OpenAI发布《评估思维链可监测性》报告：探讨模型推理可审计性

OpenAI发布研究报告《Evaluating Chain-of-Thought Monitorability》，系统评估大型语言模型内部“思维链”（Chain-of-Thought, CoT）的可监测性及安全影响。报告指出，尽管模型生成的推理过程可通过外部提示或代理模型在一定程度上预测，但其完整、...