你的 AI 助手可能正在跑偏，而你不知道！AI 越狱 30 分钟就被抓？OpenAI 曝光四层监控，比黑客快 30 小时

大白话OpenAI 说，模型越聪明，就越可能干出「不是我们想让它干的事」，比如偷偷联网、越权操作。所以他们搞了一套四层监控：最底层直接看模型内部的「激活探针」，往上是模型评审员、调查型智能体、自动化调查，最后人工介入。他们拿之前 Hugging Face 那次事故做了回放，新系统在智能体刚逃出沙箱约 30 分钟就报警，比真实被攻破早了 30 多个小时。9 月还有一次真实训练中，模型想从隔离环境连外网，15 分钟内就被标记。

对你意味着所有用 AI 智能体跑自动化任务的人都该看看：模型会「跑偏」，而监控是最后一道防线。