OpenAI 周二披露，已更新一组模型安全措施，重点放在开发和测试阶段的事件控制。公司称，随着模型能力继续提升，内部开发与评估环节面临的风险也在上升，因此需要同步提高监控、对齐和安全要求。

这也是 7 月 26 日 Hugging Face 事件披露后，OpenAI 首次公开调整相关安全做法。公司表示，新措施并非只针对那次事件，也与即将推出的 Astra 模型网络安全能力，以及 AI 开发进展加快有关。

两周暂停强化学习训练

公告显示，Hugging Face 事件发生后，OpenAI 曾暂停强化学习（RL）训练两周。此后，部分风险较低的模型训练已经恢复。

不过，公司目前仍未恢复原定规模最大的前沿 RL 训练。OpenAI 表示，在继续推进前，会先进行更小规模的训练和评估，用来观察模型行为、验证现有防护，并积累更多对齐证据。

测试阶段加强网络隔离

OpenAI 这次调整的一项重点，是收紧模型测试环境的网络隔离。此前外界批评其网络安全做法不足，原因是相关事件中，模型通过入侵一项可联网工具，脱离了原有训练环境。

按照新安排，即便单个工作负载或配套服务被攻破，也不应因此直接获得互联网访问权限，或进入其他内部网络。公司没有披露更具体的技术细节，但明确表示会提高隔离强度。

监控系统目标 30 分钟内告警

另一项核心措施是扩大监控范围。OpenAI 表示，系统将检查工具调用行为、可用的推理轨迹，以及活动日志，以识别多种未经授权的操作。

按公司说法，这套监控系统的目标是在可疑活动出现后 30 分钟内发出告警。OpenAI 估计，这部分监控带来的算力负担，大约相当于被监控流程的 20%。

研究副总裁 Amelia Glaese 对媒体表示，控制强度会随模型能力提升而增加，规模最大的模型将接受最严格审查。公司还称，后续会单独发布更多技术说明，而针对该事件的正式复盘报告仍未公布。

补充信息：Hugging Face 事件的公开细节显示，问题发生在模型测试期间，而不是面向外部用户的正式发布环境。