OpenAI 补充两项可监控性指标

2026年10月21日，OpenAI 在 Alignment Blog 发文，针对此前提出的可监控性指标 g-mean² 补充两类互补指标。其一是配对匹配可监控性：在共同任务实例上比较模型，并用 HodgeRank 汇总多模型排序。其二是后控制风险指标：模拟监控器作为拒绝门控、最多重试 K 次时，系统仍输出坏结果的概率。OpenAI 说明，该部署方案是假设性的，其当前模型并未按此方式部署；由于无法判断单次 Y=1 rollout 是否由干预导致，该文不在干预评估上报告后控制风险指标；文中过程评估只含 Y=1 rollout，因此无法绘制 ROC 曲线；文中历史监控器返回二元决策，故未计算 AUC。报道未给出指标的具体数值结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。