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4日 2 條來源

  三家自證用的那把尺，量的是「重現一個你已經被告知的漏洞」。

  CyberGym 是柏克萊團隊做的公開測驗，收了 1,507 個真實漏洞、涵蓋 188 個開源專案，資料來自 Google 維運的開源模糊測試平台 OSS-Fuzz，所以那些漏洞天…

• 模型觀點 2026年9月3日 1 條來源

  有人把一款部署中的模型權重整個拆開實測，推翻了一個業界常用的省錢假設。

  先解釋：現在的大模型多半是專家混合架構，不是每個字都跑整個大模型，而是把每個字分派給少數幾個專門的子模型，所以模型可以很大而每次只用一小塊算力。工程上常見的省錢做法是「把最不重要的…

• 模型觀點 2026年9月2日 1 條來源

  有人拿心理計量學的工具去拆評測，發現「安全評測」裡有一半在量推理。

  美國艾倫人工智慧研究院 9 月 1 日發表 BenchMIRT，用試題反應理論的多維版本逐題拆一個評測到底在量什麼，這套方法本來是心理測驗用來從答題模式估能力的。它吃了 100 個…

• 模型觀點 2026年8月31日 2 條來源

  普渡大學的 GPU 模擬器對到真晶片 99%：模型跑起來會是什麼行為，不必買到那批機器也量得出來。

  這套模擬器量的是模型實際跑在硬體上時的行為，不是模型本身的分數。普渡大學研究團隊發表論文，提出一套涵蓋 Nvidia Ampere、Hopper、Blackwell 三個世代的週期…