【OpenAI 为前沿模型训练加装「安全闸门」，停止强化学习训练两周】

OpenAI 发文称，公司此前暂停最新模型的强化学习（RL）训练两周，以加固研究环境、开展红队测试并扩大监控范围。目前，部分训练已经恢复，但原计划开展的最大规模前沿模型 RL 训练仍处于暂停状态。

此次调整主要与两项进展有关：一是近期发生的 OpenAI 与 Hugging Face 模型评估安全事故；二是初步评测显示，尚未发布的 Astra 模型可能达到《准备框架》定义的「关键网络安全能力」门槛。

OpenAI 已加强训练环境的代码和网络隔离，并扩大对模型行为的实时监控。监控系统会检查工具调用和完整操作过程，识别未经授权访问、数据窃取、破坏性操作等风险。对于 Astra 及其他高能力模型，使用工具进行推理、训练或评测时均需接受监控。

OpenAI 表示，将先通过小规模训练和评测验证安全措施、积累更多对齐证据，再决定是否恢复最大规模训练。CEO Sam Altman 同时表示，公司仍计划在近期推出新模型，此次暂停只会影响更长期的发布计划。