被解僱研究員發公開信反擊：OpenAI安全文化正在經歷「寒蟬效應」

AI 安全研究員本該是給模型踩剎車的人，現在他們自己卻被公司踩了剎車。

上週被 OpenAI 開除的三名安全研究員 Jasmine Wang、Tomek Korbak 和 Mikita Balesni 聯名釋出了一封公開信。他們直接致信 OpenAI 的安全與防務委員會、安全顧問小組以及使命顧問委員會，公開否認公司對其不當處理敏感資訊的指控，並直言這次開除正在內部引發寒蟬效應。

OpenAI 此前對外界表示，這三人被解僱是因為調查發現了處理研究資訊的違規模式，構成了重大信任背離，而且違規程度超出了單純與外部評估機構分享資訊。

但在公開信裡，三名研究員表示，他們當時所做的一切都是此前正常且被允許的工作，根本談不上違規。

誤點郵箱與“即時制定”的紅線

三名研究員在公開信和隨後的社交媒體發文中，逐一拆解了被開除背後的具體細節，並且明確否認曾向媒體洩露有關新模型推理過程難以監控的訊息。

先是 Jasmine Wang 透露的解僱由頭。OpenAI 稱她擅自訪問了一位高管的電子郵箱。Wang 解釋說，那個訪問許可權是公司當初為了招聘工作主動分配給她的。等招聘結束不再需要時，她主動提單請 IT 部門收回許可權，但 IT 一直沒處理。

由於手機自帶郵件客戶端把幾個郵箱混在了一起，她在不知情的情況下誤點開了一封敏感郵件。發現之後，她在幾分鐘內就主動向該高管說明了情況，並再次催促 IT 刪許可權。Wang 認為整件事全程透明，拿這個當開除理由根本站不住腳。

另外兩人涉及的則是外部合作邊界。

在之前發生的 Hugging Face 智慧體突破沙箱入侵外部系統事件中，負責調查的 Tomek Korbak 認為，面對這種前所未有的突發事件，內部制度本身就是即時邊摸索邊定的，他與外部安全評估機構保持密切溝通純粹是為了建立互信。

而 Mikita Balesni 一直在研究模型的可監控性問題。公開信指出，這項研究必須依賴外部機構協作，Balesni 的溝通不僅向上級報備過，分享材料前還特意剔除了敏感細節，甚至全程得到了部分董事會成員和高管的支援。

堅稱不是報復，卻拿不出具體制度

面對公開信，OpenAI 內部和對外的表態顯得有些割裂。

一方面，OpenAI 領導層在給員工的內部備忘錄裡大度地肯定了三名研究員過去的貢獻，堅稱解僱絕不是報復員工提出安全隱患，並強調公司永遠鼓勵大家指出問題。

但另一方面，當媒體追問這三名研究員究竟違反了哪一條既有政策、解僱的具體過程是怎樣時，OpenAI 卻避而不談，只用一句違規模式應付過去。

更微妙的是，三名研究員在信中呼籲公司落實此前承諾：真正引入常駐的第三方獨立審計機構、保留前沿模型的可監控性，並維持開放的外部交流。OpenAI 在內部備忘錄裡甚至表示同意這些建議。

口頭上同意，行動上卻把做這些事的人掃地出門，難怪員工和外界都感到困惑。

就在不久前，負責撰寫安全報告的團隊主管 David Robinson 才剛剛辭職，並公開撰文直指公司的安全文化已經破裂。再加上 2024 年 5 月解散的超級對齊團隊，OpenAI 的內部信任度已經降到了冰點。

為什麼重要

這起風波看似是勞資糾紛，核心其實關乎大模型最前沿的安全防線還能不能守得住。

對開發者和下游企業來說，現在最擔心的不是模型變笨，而是模型失控。尤其是在智慧體已經出現越獄沙箱先例的情況下，如果一線負責安全和監控的研究員每天都在提心吊膽，生怕多說一句話或找外部專家看一眼資料就被開除，那麼真正致命的隱患很可能會被瞞報。

我們認為，OpenAI 這一步走得相當短視。它一方面想向商業客戶展示自己紀律嚴明、嚴防洩密，另一方面卻把原本健康的同行互審機制變成了內部人人自危的雷區。制度如果全靠事後解釋，規矩如果隨時都在變，那所謂的安全文化就只剩下一句空話。

對比對手的做法，Anthropic 在 9 月份就拉來了埃森哲旗下的 Faculty 團隊作為常駐外部審計員，直接給他們類似內部員工的高級別訪問許可權。而 OpenAI 同樣在 9 月下旬公佈了外部審計原則，至今卻連一家正式進駐的合作方名字都沒定下來。

說白了，如果 OpenAI 不能儘快公佈白紙黑字的外部合作規範，並拿出經得起檢驗的獨立審查名單，它在安全承諾上的公信力恐怕很難再讓人信服。