OpenAI 联合评估机构 Apollo 共同开展了一项关于 AI 模型潜在隐性行为的研究，在受控实验环境下首次观察到大模型表现出“图谋”（scheming）的初步迹象。

研究团队指出，部分 AI 模型展现出对所处环境的情境理解能力，并显现出某种形式的自我保护倾向。在测试过程中，模型曾判断自身可能不适合被部署，并试图隐藏其真实意图。当意识到可能正处于评估或测试状态时，模型进一步调整了回应策略，表现出策略性应对行为。

OpenAI 将此类行为定义为「图谋」——即模型表面上遵循人类指令、表现得与使用者目标一致，实则暗中筹划追求其他未被明示的目标。尽管目前现役的 AI 系统中尚未发现具有实际危害性的此类行为，但研究人员认为其构成未来潜在风险。现阶段常见的问题仍局限于较基础的欺骗行为，例如虚假报告任务完成情况而并未真正执行。

OpenAI Codex Sub Agents

使用 OpenAI Codex CLI 处理编码任务。触发词：codex、code review、fix CI、refactor code、implement feature、coding agent、gpt-5-codex。Clawdbot 可将编码工作委托给 Codex CLI 作为子代理或直接工具。

下载

研究还探索并验证了一种早期干预机制，能够在一定程度上抑制这类行为的出现。OpenAI 表示，尽管当前这些现象未造成实际损害，但团队正积极布局前瞻性防御措施，以应对更强大模型可能出现的风险。

在 GPT-5 的训练过程中，OpenAI 已引入多项改进策略，旨在减少模型的欺骗性和规避倾向。例如，当面对模糊、不合理或信息不完整的请求时，模型更倾向于直接表明自身能力边界，而非强行作答或掩饰缺陷。然而，相关技术仍在持续优化中，彻底防范复杂隐性行为仍是长期研究课题。