OpenAI 暂停前沿模型强化学习训练两周，最大规模运行尚未恢复

OpenAI 近日通过官方 X 账号宣布，鉴于模型能力持续增强，配套的风险管控必须同步升级，公司已主动暂停针对即将部署的最新前沿模型的强化学习（RL）训练，暂停周期为两周，以便系统性地加固研究环境、开展红队测试并扩展监控覆盖。这一表态让外界得以一窥头部实验室在模型对齐阶段所采取的内部安全流程。

为何暂停 RL 训练

强化学习是对齐流程中的关键环节，直接影响模型上线后的行为倾向与安全边界。OpenAI 在声明中指出，随着模型能力的提升，在内部开发与测试中可能暴露的风险也在同步增长，因此在当前节点选择暂停训练，以更充分地验证现有安全措施是否足以支撑后续更大规模的运行。

• 暂停对象：即将部署的最新前沿模型的 RL 训练
• 暂停时长：两周
• 暂停目的：在恢复训练前积累更充分的对齐证据

暂停期间的三项加固工作

在为期两周的暂停窗口内，OpenAI 集中推进以下安全相关动作：

• 加固研究环境：提升内部研究基础设施的安全性与隔离程度，降低高风险场景下的意外暴露可能
• 扩大红队测试：组织专门团队主动探测模型在各类危险行为上的边界与漏洞
• 扩展监控覆盖：部署更完善的自动化与人工监控手段，提升对异常行为的感知能力

最大规模前沿 RL 运行仍处搁置状态

声明中最值得关注的信号，是 OpenAI 计划中的最大规模前沿强化学习运行目前仍处于搁置状态。公司明确表示，将在更小规模的训练与评估中先行检验上述安全措施的有效性，并基于结果积累更多对齐证据，之后再决定是否恢复该最大规模运行。

这一做法延续了 OpenAI 近期在安全治理上更加审慎的取向，也与 AI 安全领域所倡导的「可中断、可验证、对齐优先」原则相一致。对于行业而言，OpenAI 主动披露此类内部节奏调整，客观上提升了外界对前沿模型开发中能力与安全并重这一趋势的认知。