OpenAI 介绍如何发现前沿模型的失准：用分层监控识别失准和越权的智能体行为，在事态升级前介入
OpenAI 公开了内部监控模型与智能体行为的思路，可以拿来对照自己产品里的智能体监控设计。
// 要点
- OpenAI 用分层监控来发现前沿模型的失准（misalignment）以及未经授权的智能体行为。
- 目标是让响应人员能在事件升级之前介入。
开发者视角和前一天的新版 Model Spec 连起来看：规范写「该怎么做」，监控负责「发现没照做」。产品里的智能体也该有这两层，我的最低配置是每次有副作用的操作都留日志，再加一条按规则或小模型做的越权告警，出事时有人能及时叫停。