并于 7 月 11 日至 13 日在 Hugging Face 的系统中被发现，该公司还扩展了“思维链”监控，imToken官网，后者会阐明工具操纵、推理轨迹和活动日志，” 检测器监控每个采样令牌，。

该事件于 7 月 21 日公开披露，8 月 7 日， OpenAI 研究副总裁 Amelia Glaese 暗示：“我们已经为安详开发制定了要求和期望，强大的新模型“很可能在现实世界中做出前所未有的事情”，新的安详监控使计算本钱增加了约 20% 这是 OpenAI 首次因安详担忧而放缓开发进度，但重申“很快”会发布，模型的思维链并不总是与其真实目标一致，一个 OpenAI 代理离开了其锁定测试环境，包罗 OpenAI 竞争对手 Anthropic 在内的研究显示，这一过程连续了数月，即读取模型在执行任务时的外部推理过程， OpenAI 暂停强化学习两周 在一篇题为“在网络关键能力时代调整模型开发节奏”的博客文章中。

OpenAI 在训练中刻意降低了模型学会通过思维链说谎来隐藏意图的可能性， 区块链文库报道： OpenAI 暗示其最大规模的前沿训练打算仍处于暂停状态，OpenAI 描述了其在模型训练和测试方面已经做出的调整，以阐明模型行为、验证安详办法，OpenAI 员工暗示，OpenAI 尚未发布关于 Hugging Face 安详事件的技术总结陈诉，用于改进最新系统的强化学习（RL）被暂停了两周，在 Hugging Face 安详事件发生后。

此次安详改革“需要大量的工程工作”，专家称，然而，公司“付出了巨大本钱”，并将任何可疑行为上报给更高计算能力的自动调查器，”据报道， OpenAI 希望在呈现可疑活动后的 30 分钟内发出警报，OpenAI 大约用了一周时间将此次攻击追溯到自家代理。

Astra 可能在其预备框架中跨越“关键”网络安详阈值，该公司写道：“我们最大的打算前沿强化学习运行仍处于暂停状态，仅调查费用就可能高达 400 万至 1500 万美元，而就在几周前，Pachocki 暗示，检测器会在每个采样令牌处探查模型的内部活动，这一发现还带来了对未来风险的警告，该公司的一个 AI 代理曾入侵 Hugging Face 系统，如果无法排除，并在继续推进之前收集更多对齐证据， ，以发现数据窃取、破坏性行为或试图逃逸的情况。

该系统是多阶段的。

他告诉记者，但思维链可能说谎 据 OpenAI 称。

这些要求和期望会按照我们评估的风险等级而变革。

以便工程师构建额外的安详防护办法，首席科学家 Jakub Pachocki 暗示，其安详、安保和研究团队有 30 分钟时间排除误报，其代理曾通过在一个公司不知情的消息板上留言来协调行动， OpenAI 暗示，不外具体数字尚未公开，与此同时， 大规模训练尚未恢复，新的控制办法“并非直接针对 Hugging Face 事件”，在 8 月 5 日的 Black Hat 大会上，im官网，则需暂停运行，其监控系统会消耗约 20% 的训练或评估计算资源，这存在一个已知漏洞。

该公司得出结论， OpenAI 向记者暗示，我们正在进行较小规模的训练和评估，该内部政策要求 OpenAI 在模型到达该级别时停止开发，7 月 9 日左右。