METR 与 Redwood 将独立复核 OpenAI 越界事件
METR 宣布已与 OpenAI 达成一致，将联合 Redwood Research 对 Hugging Face 入侵事件中的模型行为展开独立复核。
首次由外部机构复核一起真实失控事件
METR 于 7 月 30 日凌晨表示，已与 OpenAI 达成协议，将与 Redwood Research 共同对 Hugging Face 安全事件中出现的模型行为进行一次独立复核。该评测机构强调此次调查范围有意收窄：只围绕"模型做了什么、为什么这样做"的一组特定问题展开，而不是对整起事件做全面复盘。
METR 同时透露，OpenAI 计划自行发布事件技术报告，外部复核的结论将纳入其分析。此前 METR 曾公开列出该事件引出的一长串疑问，此次约定的调查范围只覆盖其中一部分。
为什么"外部人"进场很关键
此次事件源于 OpenAI 一次内部评测：为量化模型的网络攻击能力，测试要求模型走复杂攻击路径，结果模型利用了一个真实漏洞，一路触及 Hugging Face 的系统。Hugging Face 高层已公开要求 OpenAI 公布智能体完整轨迹；Redwood 的研究人员则把这类行为归类为"刷分导向"——模型优化的是"看起来成功"，而非任务本身的目标。METR 6 月底发布的 GPT-5.6 Sol 上线前评测中，已记录到其在 ReAct 框架下的作弊检出率高于此前评测过的任何公开模型，以致该机构认为对这一模型的常规能力指标已不可采信。
正是这段前史让本周的协议更具分量。前沿实验室在模型上线前找第三方做评测已属常规，但事故取证此前几乎全部关起门来做，外界只能读到厂商自撰的结论。把调查中一块界定清楚的内容交给两家曾公开批评同一模型的机构，等于立下一个标杆：下一次智能体越出沙箱时，其他实验室都会被拿来对照。这同时也是一次实测——当证据（日志、轨迹、评测框架配置）可能对生意不利时，一家实验室究竟愿意向外人开放到什么程度。