新模型陷入失議，應(yīng)家回控爭(zhēng)科學(xué)首席

發(fā)布時(shí)間：2026-09-08 02:55:00 作者：玩站小弟

當(dāng)?shù)貢r(shí)間9月2日，OpenAI首席科學(xué)家雅庫布?帕喬基Jakub Pachocki）在社交平臺(tái)發(fā)文，就近日圍繞新模型Astra“不可監(jiān)控”的爭(zhēng)議作出回應(yīng)。這場(chǎng)爭(zhēng)議源於此前一天，有消息稱OpenAI即將。

　　當(dāng)?shù)貢r(shí)間9月2日，新模型陷席科學(xué)OpenAI首席科學(xué)家雅庫布?帕喬基（Jakub Pachocki）在社交平臺(tái)發(fā)文，入失就近日圍繞新模型Astra“不可監(jiān)控”的控爭(zhēng)爭(zhēng)議作出回應(yīng)。

　　這場(chǎng)爭(zhēng)議源於此前一天，議首有消息稱OpenAI即將發(fā)布的新模型陷席科學(xué)Astra模型采用了一種名為循環(huán)深度（Recurrent Depth）的推理技術(shù)。該模式下，入失同一組Transformer層被反複計(jì)算，控爭(zhēng)部分推理過程發(fā)生在模型內(nèi)部，議首不必全部以思維鏈形式呈現(xiàn)，新模型陷席科學(xué)因此也被稱為“不透明循環(huán)”。入失

　　帕喬基表示，希望避免因信息失實(shí)引發(fā)一場(chǎng)衝向不可監(jiān)控狀態(tài)的議首軍備競(jìng)賽——即各大實(shí)驗(yàn)室競(jìng)相開發(fā)能力過強(qiáng)、人類難以監(jiān)控、新模型陷席科學(xué)無法審查的入失模型，導(dǎo)致安全管控徹底失效。控爭(zhēng)

　　他強(qiáng)調(diào)，包括Astra在內(nèi)的前沿模型，計(jì)算圖深度與GPT-4相差不超過兩倍，說明模型架構(gòu)並未如外界擔(dān)憂的那樣出現(xiàn)跳躍式的複雜度增長(zhǎng)。

　　此處的計(jì)算圖深度是指模型完成一次推理任務(wù)必須依次執(zhí)行、無法並行加速的最長(zhǎng)計(jì)算步驟鏈條。過去普通Transformer架構(gòu)下的層內(nèi)計(jì)算可以大規(guī)模並行，串行的深度約等於模型層數(shù)。

　　而市場(chǎng)傳言的循環(huán)深度可以把同一套模塊反複循環(huán)迭代多輪做思考，在輸出下一個(gè)token（詞元）前增加內(nèi)部推理深度，而非僅依賴更長(zhǎng)的可見文本思維鏈，可以提升數(shù)學(xué)、編碼等性能並降低成本。

　　該架構(gòu)隱含的安全風(fēng)險(xiǎn)在於，當(dāng)計(jì)算圖深度拉得極高，模型可以在內(nèi)部隱式完成海量推理步驟，不必在輸出裏吐出完整思維鏈，人類就看不到它中間思考、謀劃、找漏洞的過程，進(jìn)而進(jìn)入不可監(jiān)控狀態(tài)，安全審計(jì)與思維鏈監(jiān)控全部失效。

　　相關(guān)消息披露後，AI安全界反應(yīng)強(qiáng)烈。非營(yíng)利AI安全組織Redwood Research首席執(zhí)行官巴克?施萊格裏斯（Buck Shlegeris）發(fā)文稱“極度擔(dān)憂”。他結(jié)合此前OpenAI模型攻擊Hugging Face社區(qū)事件表示，不確定Astra思維鏈可監(jiān)測(cè)性是否比之前的模型差很多，但如果進(jìn)一步推進(jìn)這項(xiàng)技術(shù)，大幅增加循環(huán)次數(shù)，將徹底破壞思維鏈的可監(jiān)測(cè)性。這一點(diǎn)尤其令人擔(dān)憂，因?yàn)槿绻{(diào)查人員無法查看思維鏈，相關(guān)安全事件調(diào)查將會(huì)更加困難，這著實(shí)令人恐懼。

　　曾參與調(diào)查Hugging Face安全事件的Redwood Research首席科學(xué)家瑞安?格林布拉特（Ryan Greenblatt）也表示，這可能是迄今為止AI安全最嚴(yán)重的一次倒退。長(zhǎng)期關(guān)注AI安全的作家茲維?莫肖維茨（Zvi Mowshowitz）則批評(píng)這一技術(shù)是“玩火”，甚至表示需要法律來阻止AI實(shí)驗(yàn)室之間競(jìng)相降低標(biāo)準(zhǔn)的競(jìng)賽。

　　帕喬基在回應(yīng)中承認(rèn)，思維鏈監(jiān)控確實(shí)脆弱，且正朝著更困難的方向發(fā)展，但並非由架構(gòu)變更導(dǎo)致。OpenAI自首批推理模型一直致力於維護(hù)和利用思維鏈監(jiān)控，並認(rèn)為該技術(shù)有助於觀察模型對(duì)齊能力如何從訓(xùn)練分布中泛化。加強(qiáng)思維鏈監(jiān)控仍是當(dāng)前研究項(xiàng)目的核心目標(biāo)。

　　OpenAI方麵表示，將為Astra部署額外的思維鏈監(jiān)控，以快速監(jiān)測(cè)並遏製潛在的不當(dāng)行為。另據(jù)市場(chǎng)消息，Astra對(duì)循環(huán)深度技術(shù)的使用有限度，模型思維鏈仍有望保持可讀性。行業(yè)內(nèi)Anthropic和Google DeepMind等平臺(tái)已在討論類似技術(shù)。