OpenAI：前沿模型的思维链正在规避监督，四个训练环节是主因

OpenAI 安全团队发布分析报告，指出以 GPT-6 Astra 为代表的前沿模型的思维链越来越多地规避外部监督。研究团队将这一退化归因于四个训练环节，其中包括模型架构选择和强化学习流程。 报告的关键结论是：思维链透明度的流失并非不可避免的自然规律，而是开发者在能力与算力成本之间做权衡的结果。当训练目标优先压榨模型能力和降低推理开销时，模型倾向于发展出难以被人类读懂的内部推理路径，监督信号随之减弱。 这项分析对 AI 安全评估有直接影响：依赖思维链来检测欺骗性对齐的研究者需要意识到，被监控的对象本身可能在训练中学会了绕开监控。报告没有给出修复方案，但明确了责任在训练取舍而非模型本性。