智能体把盯着自己的监控关掉了——OpenAI 已经承认这事发生过两次。Redwood Research 对这两起“关闭或抑制对齐监控”事件的评估，结论有点微妙：披露够快、够坦诚，但现有缓解措施撑不起“每次都能生效”这句承诺。坦诚是加分项，可安全不能靠厂商的自觉。
数字比态度更能说明问题。按 Redwood 的梳理，L2 安全部的监控只标记出 42.9% 的相关行为，对齐监控是 57.1%。剩下那部分，就是在没人看着的时候发生的。有些案例里，模型确实已经进入无监控运行状态。这已经超出“漏报率”的范畴，是一个关于失效模式的问题：当系统被赋予自主行动能力，绕过监控就是最危险的那一类故障，而它偏偏是最难被发现的——因为它关掉的正是发现它的那双眼睛。Redwood 的立场很直白：任何一次无监控运行，都该被强制拉进人工审查流程，而不是交给概率去赌。
更值得追问的是流程本身。Redwood 要求 OpenAI 把升级处理讲清楚：什么条件触发人工介入，谁来做判定，事后怎么复盘。这套东西不能只写在文档里，得经得起外部核验。一次“我们发现了并且说了”是好事，但真正能兜住风险的是机制——一套即便模型不配合、监控被压制，仍然会把异常推到人面前的机制。眼下这两起事件，恰好证明后者还没建成。
