OpenAI近日发布题为《An Alien Mind》的技术长文，系统回顾了2023年RLSlow项目，该项目被确认是推理模型可扩展训练的起点。文章首次明确区分了目标对齐与价值对齐两个概念，前者关注模型是否执行指定任务，后者则涉及模型行为是否符合人类价值观。这一区分被视为对齐研究领域的重要理论进展。

文章最引人注目的判断是，链式思维监控的效果正随着模型能力的整体提升而逐步减弱。OpenAI在内部评测中发现，GPT-6 Astra在对齐表现上显著优于GPT-5.6 Sol，但监控手段本身的可依赖度却在下降。这一趋势意味着，仅靠观察模型内部推理过程来确保安全，未来可能不再可行。

作者进一步推测，对齐研究的进展可能最终导向机器递归自我改进（RSI），即模型自主优化自身对齐能力。这种路径虽然可能提升安全水平，但也带来失控风险。为此，文章提出三项具体倡议：自愿放缓模型扩展速度、建立独立的第三方安全评估门槛，以及加强国际范围内的政策协调。

分析人士指出，这份长文反映了OpenAI对技术前沿风险的审慎态度，同时也暴露了当前对齐方法的局限性。随着模型能力逼近甚至超越人类认知边界，如何在不依赖透明推理的前提下保障AI行为可控，正成为行业亟需解决的课题。