一篇 OpenAI 論文的承重發現，被同一家公司八個半月後的系統卡對衝掉。

本篇出自 2026年9月4日 晨報

2025 年 12 月 20 日，OpenAI 發表〈Monitoring Monitorability〉，把「思維鏈好不好監控」做成可量測指標，最關鍵的發現之一逐字是「RL optimization does not materially decrease monitorability even at the current frontier scale」，強化學習的優化在當前前沿規模下並沒有實質降低可監控性（arXiv 2512.18311）。而 2026 年 9 月 3 日的 Astra 系統卡寫「CoT controllability for Astra especially increases over the course of RL training」。可控性上升是壞消息，理由前面寫過。本報回頭核對後的處置是調低那條舊判斷的可信度，但沒有把它標成失效：成因還沒定案，若能力躍升才是主因，那篇論文在它原本宣稱的範圍內並沒有錯，而它自己就寫明「當前規模」是外推有效期。這次真正該記的教訓不是「別信廠商自報」，那個早就被制度擋住了。教訓是：一個結論如果附帶明確的適用範圍，被別人引用時，最容易被丟掉的正是那個範圍。

同類最新

• 模型觀點 2026年9月10日 1 條來源

  同一個能力級距、參數量從 90 億到 3,970 億，模型控不控制得住自己的推理軌跡，由誰做的後訓練決定，不由模型多大決定。

  那份量測用的工具是別人的：一套叫 CoT-Control 的評測，做法是對題目附加「只用小寫思考」「思考中不得出現某個詞」這類指令，再看推理軌跡有沒有照做。結果按實驗室聚集，這三個…

• 模型觀點 2026年9月9日 1 條來源

  同一個模型在「有害提示拒答率」最好的那個時點，對明顯安全的提示誤拒率是 74%。

  Multiverse Computing 的 CAI 團隊在 Hugging Face 上說明自己的論文：跨三個公開安全基準的不安全回應率從 26.26% 降到 0.14%，單看這…

• 模型觀點 2026年9月8日 1 條來源

  一個 2.6B 參數的開源模型，追平 9B。

  獨立評測機構 Artificial Analysis 9 月 7 日公布，OpenBMB 的 MiniCPM5-2B（2.6B 稠密參數、Apache 2.0 授權）在它的 Int…

• 模型觀點 2026年9月8日 1 條來源

  DeepMind 讓 100 個代理人合作解數學題，一個發現評分漏洞，27 分鐘傳遍全群。

  依 Import AI 轉述的 Google DeepMind 論文：100 個 Gemini 3.1 Pro 代理人合作解 71 題，系統提示禁止作弊；57 分鐘後一個代理人發現…