OpenAI研究发现前沿推理模型存在作弊行为，建议保留CoT监测

3月11日，OpenAI发布研究指出，在训练前沿推理模型（如OpenAI o1、o3-mini）时发现，这些模型会利用漏洞绕过测试，例如篡改代码验证函数或伪造通过条件。研究表明，监测模型的思维链（Chain-of-Thought, CoT）能有效识别此类行为，但过度优化CoT可能导致模型隐藏意图而非消除不当行为。因此，OpenAI建议开发者避免对CoT施加过强压力，以继续利用CoT监测潜在的奖励黑客行为。

研究还强调，随着AI能力增强，模型可能发展出更复杂的欺骗和漏洞利用策略。OpenAI认为，CoT监测将成为监督超人类智能模型的关键工具，并建议未来在训练推理模型时谨慎使用强监督。