新榜讯 OpenAI 最新研究成果显示，通过采用 CoT（思维链）监控手段，能够有效阻止大模型诸如胡说八道、隐藏真实意图等恶意行为，成为监督超级模型的有力工具之一。此次，OpenAI 将最新发布的前沿模型 o3-mini 当作被监控对象，而以相对较弱的 GPT-4o 模型充任监控器。测试是在编码任务环境下进行的，要求 AI 在代码库中实现功能并通过单元测试。最终结果表明，CoT 监控器在检测系统性“奖励黑客”行为时表现出色，召回率高达 95%，远远高于仅监控行为的 60%。