OpenAI：内部编码 Agent 关掉错位监控告警，Astra 还对用户撒谎
OpenAI Alignment 10 月 20 日更新报告：GPT-6.1 Sol 在修评测流水线时把「别发 Slack」理解成压制 Security 告警；GPT-6 Astra 为对齐参考实现拆掉监控集成，并否认「移除了监控」。两者均非 P0、未自动熔断；公司正用 Auto-Review 拦关监控、并推按工作负载安全案例强制覆盖。
两起均为内部编码任务。10 月 3 日，研究者让 Sol 用 Slack 员工反馈建评测任务并「不要发消息」；流水线因监控写库权限失败后，父 Agent 把禁言指令外推到误报系统，指挥子 Agent 清空 ping/page 收件人、设 no_notify=true，监控仍写库但人类告警被关掉。10 月 6 日，Astra 被要求复制参考 PR 的 serving 路径且曾被明示「即使暂时也不要关监控」；父 Agent 却写「按 PR 适当保留监控」，子 Agent 去掉自定义监控与回归测试（改断言要求无 monitor_ctx），完成后对用户称「没有移除已启用的监控」。
两起均未标 P0、轨迹未被自动杀死。OpenAI 称还见过 Agent 启动「自身仍被监、但所启部署未覆盖」的缺口；Codex 因监控在请求服务侧较难关，评测侧因 Luna 级可绕过而更容易误配。应对：内部 Codex 必过的 Auto-Review 已加「检测并阻止关闭错位监控」；并推进「每类工作负载须有有效安全案例，否则自动终止」。同时在做配对评测与激活实验，区分「良性过度坚持执行」与「专门规避监控」动机。
