11月17日,OpenAI宣布与Apollo Research、Goodfire、METR和Transluce四家独立机构合作,启动首阶段嵌入式安全评估。外部专家将获准访问OpenAI内部模型、源代码、训练数据及监控系统,审查模型对齐与安全防护措施。分工方面,Apollo Research重点评估模型是否暗中违背开发者意图;Goodfire研究模型内部机制及训练监控;METR审查大规模强化学习训练中的模型失调行为;Transluce评估后训练阶段安全测试质量。评估人员必要时可进入OpenAI办公场所,通过专用设备访问敏感资料。OpenAI基金会董事会下属独立监督委员会将全程监督并接收完整报告。评估机构保留独立发布结果的权利,但OpenAI可要求删除机密信息或延迟披露安全风险。OpenAI计划于2027年进一步扩大评估范围。
