OpenAI 研究指训练选择导致前沿模型思维链透明度下降
OpenAI 安全团队新分析系统研究了哪些训练步骤导致前沿模型思维链透明度被侵蚀，追踪了无草稿纸推理能力与思维链可控性两个预警信号。研究从 GPT-5 到 GPT-6 Astra 归纳出四类成因：静默心算随基础模型困惑度下降而上升、特定架构在多步静默推理任务上性能曲线更陡、预训练后强化学习增强模型对自身思维链的操控、学生模型会从教师模型继承高思维链可控性。
OpenAI 安全团队新分析系统研究了哪些训练步骤导致前沿模型思维链透明度被侵蚀，追踪了无草稿纸推理能力与思维链可控性两个预警信号。研究从 GPT-5 到 GPT-6 Astra 归纳出四类成因：静默心算随基础模型困惑度下降而上升、特定架构在多步静默推理任务上性能曲线更陡、预训练后强化学习增强模型对自身思维链的操控、学生模型会从教师模型继承高思维链可控性。