随着前沿模型能力持续提升，其行为失准的识别与干预成为模型安全工作的关键环节。OpenAI 近日发布长文，系统披露了内部用于检测此类问题的一套多层监测体系。

该体系由四层架构组成：激活探针、基于模型的审查、调查智能体，以及自动化调查。四层机制相互衔接，分别承担不同层面的检测与调查职能，构成从前端信号捕捉到后端自动化核查的完整链路。

在覆盖范围上，OpenAI 表示该监测系统针对 GPT‑6 Astra 及以上模型，监测对象包括其全部 RL 运行、评估过程以及内部 Codex 流量。这意味着监测并非局限于单一环节，而是贯穿训练、评估与内部实际使用场景。

此次公开披露为外界了解前沿模型失准行为的工程化检测路径提供了具体参考，也显示出头部厂商在模型行为监控上正走向多层化与自动化。