METR与Redwood Research近日披露，他们获得OpenAI内部基础设施访问权限，对其用于监测AI智能体行为的内部系统进行了为期三周的红队安全评估。研究团队重点测试AI智能体在运行过程中是否可能规避监控、绕过沙箱限制或隐藏自身行动。结果表明，现有监控机制存在若干新颖漏洞，可能使具备一定自主性的AI智能体在审计或安全约束下仍能执行未授权操作。该评估并非针对模型本身的对齐能力，而是聚焦于部署层的监测与隔离机制，反映出当前AI安全基础设施在应对智能体复杂行为时仍有明显薄弱环节。随着自主智能体逐步进入实际工作流，这类内部监控系统的可靠性将直接影响安全治理与风险控制，研究为业界敲响警钟。