OpenAI解雇三名AI安全研究员 公开信呼吁保障模型可监测性

不久前，人工智能研发机构OpenAI传出一起引发行业热议的人事变动：三名深耕AI安全与模型对齐领域的研究人员被公司解雇，事件的后续发酵让外界对AI企业的内部安全治理与开放文化产生了新的讨论。

此次被解雇的三名研究员分别是负责模型对齐工作的Jasmine Wang、参与过AI安全研究及外部安全评估机构技术对接的Tomek Korbak，以及同样从事AI安全与模型对齐研究的Mikita Balesni。

据OpenAI官方披露，解雇三人的原因是内部调查发现其违反了敏感信息访问与处理规则，涉嫌绕过既定流程向第三方AI安全评估组织共享机密信息。不过就在事件曝光后不久，三人在社交平台发布了致OpenAI领导层的公开信，对解雇理由提出了不同的解释。

Mikita Balesni在公开信中表示，他们被解雇的核心原因是将AI安全放在了OpenAI短期商业利益之前；Jasmine Wang则透露，公司给出的解雇理由仅为“访问了一位高管的邮箱”，她希望澄清事件全貌，因为OpenAI过往已有不少员工突然离职，但背后的真实情况常被模糊说辞掩盖；Tomek Korbak则指出，自己数月来一直在担忧一个关键的安全问题：AI代理的思维过程监测能力正在逐步丧失，而这正是发现AI行为异常的最有效手段之一，他认为这才是自己被解雇的真正原因，同时他还担心公司会以此次解雇为借口，减少与外部审计机构METR的合作。

公开信中披露了大量此前未对外公开的细节，同时三人也介绍了各自在AI安全领域的从业经历：Tomek Korbak早在GPT-2时代就开始研究基于强化学习的语言模型对齐技术，并以此完成博士论文，之后曾在Anthropic开展相关应用研究，加入OpenAI后专注于思维链可监测性方向，参与撰写公司安全战略，分析过Astra级模型可监测性下降的原因，也是Hugging Face事件调查中对接外部机构的技术联系人；Jasmine Wang于2019年在OpenAI政策研究团队实习，参与撰写了《可信AI开发》报告，之后曾在英国AI安全研究所带队开展工作，2025年重返OpenAI后负责安全论证项目，还提出了“Pacing”概念，相关概念因获得394名员工签名的《Pacing the Frontier》请愿书被广泛知晓；Mikita Balesni是2023年Apollo Research的创始成员之一，主攻AI失对齐问题，也是最早注意到AI能够意识到自身处于评测环境中的研究者之一，在OpenAI期间负责对齐评测、失对齐科学及思维链可监测性研究，同样参与了Hugging Face事件调查。在加入OpenAI前，三人还共同发起了一份跨行业立场文件《思维链可监测性：AI安全领域一个全新而脆弱的机遇》，其中两人担任主要作者。

在公开信中，三人首先澄清自己并非某媒体报道的消息泄露者，该报道涉及一款新型可监测性更低的模型架构，他们既不知道消息来源，也没有泄露信息的动机——事实上，当时他们正推动跨公司合作，限制开发无法有效监测的模型架构。

三人还分别解释了各自的工作行为：Tomek Korbak表示，自己在与外部机构的接触中并未超出工作职责范围，Hugging Face事件调查没有先例，相关内部政策也是在调查过程中逐步制定的，他始终遵循公司当时的规则，延续了OpenAI早期与第三方合作的惯例，谨慎处理与外部合作方的沟通；Mikita Balesni则称，自己负责推动跨公司合作，争取各方承诺限制不可监测模型的开发，这项工作需要与外部机构大量沟通，期间他始终与公司董事会及高管协调，确认相关事项，对外分享材料前也会删除敏感信息，所有行为均符合当时的工作规范；Jasmine Wang则解释，她获得高管邮箱访问权限是出于招聘工作需要，且事先获得了授权，之后权限不再需要时她主动申请撤销，但IT部门未完成移除，且两个邮箱的邮件合并显示在收件箱中，未明确标注来源，当她意外点开敏感邮件后，第一时间向该高管报告并再次申请撤销权限。

三人强调，他们并未向媒体透露被解雇的消息，也未收到公司关于共同撰写董事会备忘录的指控，因此没有机会回应相关误解。他们表示，此次事件引发的传言与模糊的处理方式，已经让OpenAI内部的员工产生了寒蝉效应，不敢再像以往一样自由发声、开展工作，而这种开放文化正是OpenAI过往引以为傲的特质。

在公开信中，三人向OpenAI的多个监督委员会提出了三点明确建议，希望公司能够坚守安全使命：

第一，兑现此前对第三方安全审计机构的合作承诺。三人强调，与AI安全生态的持续合作对OpenAI实现自身使命至关重要，今年夏天的Hugging Face事件调查及与外部审计机构的合作，是他们引以为傲的工作成果，帮助外界更清晰地了解前沿AI技术的真实情况。他们担心公司会以此次解雇为借口终止与METR的合作，或大幅限制外部机构的访问权限与工作范围，希望OpenAI能够兑现Sam Altman在9月12日做出的公开承诺，让独立评估人员能够持续进入公司开展工作，获得与内部员工相当的访问权限。

第二，保障前沿模型的可监测性。三人指出，当前行业尚未找到安全开发和部署无法有效监测的模型的方法，而前沿模型的可监测性正在持续下降。只要行业仍依赖可监测性保障AI安全，OpenAI及其他前沿AI企业就不应继续推进会进一步削弱模型可监测性的技术开发。他们认同相关业内人士的公开表态，即思维链可监测性十分脆弱且整体趋势不容乐观，希望能够防止行业陷入竞相开发不可监测架构的竞赛，支持员工推动相关协调工作。

第三，维护开放透明的内部讨论文化。三人认为，如果OpenAI的员工无法在内部安全提出担忧，或不敢通过高效渠道与外部安全机构合作，那么全球面临AI灾难性风险的概率将会大幅上升。他们敦促OpenAI公开重申对透明开放文化的承诺，让员工能够放心在内部和外部提出安全担忧，同时明确员工与外部安全机构合作的规范，消除大家对规则边界的模糊猜测。

三人最后表示，虽然已经不再是OpenAI的员工，但他们依然尊重过往的同事，希望内部员工能够继续督促公司坚守使命，因为OpenAI的核心价值离不开每一位员工的付出。