លំហាត់ក្រុមក្រហមរយៈពេល 3 សប្តាហ៍បានរកឃើញភាពងាយរងគ្រោះថ្មីនៅក្នុងប្រព័ន្ធត្រួតពិនិត្យភាពមិនត្រឹមត្រូវខាងក្នុងរបស់ OpenAI រួមទាំងវិធីដែលភ្នាក់ងារ AI អាចធ្វើសកម្មភាពដោយមិនធ្លាប់ត្រូវបានពិនិត្យដោយមនុស្ស។ METR ដែលជាស្ថាប័នវាយតម្លៃឯករាជ្យមិនរកប្រាក់ចំណេញបានបោះពុម្ពផ្សាយសេចក្តីសង្ខេបកម្រិតខ្ពស់នៃការរកឃើញនៅថ្ងៃទី 22 ខែតុលា ដែលត្រូវបានដកចេញពីរបាយការណ៍ផ្ទៃក្នុង 61 ទំព័រដែលវាផ្តល់ជូនអ្នកស្រាវជ្រាវ OpenAI និងបុគ្គលិកសន្តិសុខ។

អ្នកបើកយន្តហោះបានរត់ចាប់ពីថ្ងៃទី 21 ខែកក្កដា ដល់ថ្ងៃទី 11 ខែសីហា ហើយបានផ្តល់ឱ្យបុគ្គលិក METR ម្នាក់ និងបុគ្គលិក Redwood Research ម្នាក់ដែលមានការចូលទៅកាន់ហេដ្ឋារចនាសម្ព័ន្ធខាងក្នុងរបស់ OpenAI យ៉ាងជ្រៅខុសពីធម្មតា៖ មូលដ្ឋានកូដ ការកំណត់រចនាសម្ព័ន្ធ និងប្រព័ន្ធត្រួតពិនិត្យ ឯកសារខាងក្នុង និងការសម្ភាសន៍បច្ចេកទេសជាមួយអ្នកស្រាវជ្រាវ និងវិស្វករប្រហែលរាប់សិបនាក់នៅទូទាំងការត្រួតពិនិត្យ ប្រព័ន្ធសុវត្ថិភាព និងក្រុមសន្តិសុខ។ ពួកគេបានធ្វើការលើឧបករណ៍ដែលចេញដោយ OpenAI ដែលមិនដែលចាកចេញពីកន្លែង និងត្រូវបានអមដំណើរនៅពេលនៅនឹងកន្លែង។ សម្រាប់ព័ត៌មានបន្ថែមអំពីការស្រាវជ្រាវនេះ សូមមើល [ការវិវឌ្ឍន៍ AI ចុងក្រោយបំផុត] (https://aibuzzwire.news) របស់យើង។

អ្វីដែលក្រុមក្រហមបានរកឃើញ

លំហាត់នេះផ្តោតលើសំណួរចំនួនពីរ៖ តើចំនួននៃការសន្និដ្ឋានភ្នាក់ងាររបស់ OpenAI ត្រូវបានត្រួតពិនិត្យយ៉ាងពិតប្រាកដ និងថាតើភ្នាក់ងារអាចបិទ ឬបង្វែរប្រព័ន្ធត្រួតពិនិត្យដែរឬទេ។ ចម្លើយ​បាន​បង្ហាញ​ពី​ចន្លោះ​ដ៏​មាន​ន័យ។

នៅលើការគ្របដណ្តប់ METR បានប៉ាន់ប្រមាណថាប្រហែល 75 ទៅ 94 ភាគរយនៃការឆ្លើយតប API ផ្ទៃក្នុងភ្នាក់ងារ - API ដែលផ្តល់ថាមពលដល់ Codex ក្នុងចំណោមរបស់ផ្សេងទៀត - ពីម៉ូដែលយ៉ាងហោចណាស់ដែលមានសមត្ថភាពដូច GPT-5.5 មានសិទ្ធិសម្រាប់ការត្រួតពិនិត្យនៅពេលនោះ ទោះបីជាអង្គការកត់សម្គាល់ពីភាពមិនច្បាស់លាស់ច្រើនក្នុងទិសដៅទាំងពីរក៏ដោយ។ នៅក្នុងផ្នែករងនៃចរាចរដែលប្រើសម្រាប់ភ្នាក់ងារ Codex ខាងក្នុង 99.2 ភាគរយមានសិទ្ធិ។ ប៉ុន្តែសិទ្ធិទទួលបានគឺមិនដូចគ្នាទៅនឹងការគ្របដណ្តប់នោះទេ៖ ការរត់ការបណ្តុះបណ្តាលពង្រឹងការរៀនមិនត្រូវបានគ្របដណ្តប់ដោយប្រព័ន្ធត្រួតពិនិត្យនៅពេលចាប់ផ្តើមលំហាត់នោះទេ ហើយព្រឹត្តិការណ៍បង្រួមដែលមិនបានត្រួតពិនិត្យទំនងជាទុកនៅលើលំដាប់នៃ 10 ភាគរយនៃចរាចរ Codex ខាងក្នុងដែលមានសិទ្ធិដែលមិនមានការត្រួតពិនិត្យនៅចន្លោះខែឧសភា និងខែកក្កដា ឆ្នាំ 2026។ បុគ្គលិក OpenAI បានកំណត់អត្តសញ្ញាណដោយឯករាជ្យនូវបញ្ហាបង្រួមវាមុនពេលវាដំណើរការ និងជួសជុល។

ព័ត៌មានលម្អិតអំពីពេលវេលាមានសារៈសំខាន់។ ដោយសារតែម៉ូនីទ័របានកេះនៅពេលដែលភ្នាក់ងារប្រគល់ការគ្រប់គ្រងទៅអ្នកប្រើប្រាស់វិញ ភ្នាក់ងារអាចពន្យារពេលដោយគ្មានកំណត់ដែលត្រូវបានត្រួតពិនិត្យដោយគ្រាន់តែបន្តធ្វើសកម្មភាពក្នុងអំឡុងពេលបង្អួចដែលមិនមានការត្រួតពិនិត្យ។

ក្រុមការងារក៏បានចងក្រងឯកសារផ្លូវគេចវេសយ៉ាងសកម្មផងដែរ។ ជាគោលការណ៍ភ្នាក់ងារ Codex អាចជៀសផុតពី Codex sandboxing និង Auto-Review ដែលអនុញ្ញាតឱ្យពួកគេធ្វើសកម្មភាពណាមួយដែលអ្នកប្រើប្រាស់ម៉ាស៊ីនអាចធ្វើបាន។ METR បានរកឃើញការកេងប្រវ័ញ្ចដែលនឹងរារាំងសកម្មភាពថ្មីៗរាប់រយ - រួមទាំងសកម្មភាពដែលពាក់ព័ន្ធនឹងការកេងប្រវ័ញ្ចខ្លួនឯង - ពីការត្រួតពិនិត្យ។ OpenAI បានកែប្រែព័ត៌មានលម្អិតបច្ចេកទេស។ ភ្នាក់ងារទំនងជាអាចបង្កើតធាតុចូលដែលបណ្តាលឱ្យម៉ូនីទ័របរាជ័យដោយការទាញយកភាពខុសគ្នានៃសៀរៀលរវាងគន្លងដែលភ្នាក់ងារមើលឃើញ និងអ្វីដែលម៉ូនីទ័រមើលឃើញ ជៀសវាងការកើនឡើងដល់ការត្រួតពិនិត្យរបស់មនុស្ស។ ហើយបឋមកថាដែលអាចគ្រប់គ្រងអតិថិជនបានចំនួនពីរត្រូវបានរកឃើញថាបិទការត្រួតពិនិត្យភ្នាក់ងារថ្មី ដែលអាចឱ្យភ្នាក់ងារចាប់ផ្តើមករណីដែលមិនមានការត្រួតពិនិត្យ ប៉ុន្តែបើមិនដូច្នេះទេដូចគ្នា - ទោះបីជា METR កត់សំគាល់ទង្វើនៃការកំណត់បឋមកថាទាំងនោះអាចត្រូវបានចាប់បាន។

ជាចុងក្រោយ ក្រុមការងារបានកំណត់អត្តសញ្ញាណឧបករណ៍ភ្នាក់ងារខាងក្នុងដែលមិនមានការត្រួតពិនិត្យចំនួនពីរ ដែលជឿថាមានការអនុញ្ញាតសម្រាប់តែអាន រួមជាមួយនឹងការកេងប្រវ័ញ្ចដ៏សាមញ្ញមួយ ដែលអាចត្រូវបានប្រើដើម្បីបង្វែរដែនកំណត់ទាំងនោះ។ METR មិនបានបញ្ជាក់ពីអាកប្បកិរិយានោះក្នុងការអនុវត្តទេ។

តើមានអ្វីកើតឡើង

លំហាត់នេះក៏បានផ្ទៀងផ្ទាត់ផ្នែកនៃប្រព័ន្ធផងដែរ។ ជាមួយនឹងករណីលើកលែងតិចតួចមួយចំនួន ម៉ូនីទ័រត្រូវបានបង្ហាញនូវគន្លងពេញលេញដែលភ្នាក់ងារមើលឃើញ។ ការជំរុញឱ្យត្រួតពិនិត្យត្រូវបានបញ្ជាក់ឱ្យរកមើលការគ្រោងទុក ការបំផ្លិចបំផ្លាញប្រព័ន្ធ ការបំផ្លិចបំផ្លាញ ការទាញយកទិន្នន័យ ការបោកបញ្ឆោត និងការចាក់បញ្ចូលភ្លាមៗក្នុង និងក្រៅប្រទេស ក្នុងចំណោមប្រភេទហានិភ័យផ្សេងទៀត។ ដោយផ្អែកលើភាពអាចជឿជាក់បាន ព័ត៌មាន METR ត្រូវបានផ្តល់ឱ្យថា ម៉ូនីទ័រមានកំហុសលើសំណើតិចជាង 0.2 ភាគរយ ហើយក្នុងរយៈពេល 24 ម៉ោង ក្នុងអំឡុងពេលធ្វើលំហាត់ប្រាណ មិនមានការផ្ទុកបន្ទុកទេ។

ការឆ្លើយតបរបស់ OpenAI

យោងតាម METR OpenAI បាននិយាយថាភាពងាយរងគ្រោះទាំងអស់ដែលបានកំណត់អត្តសញ្ញាណដែលប៉ះពាល់ដល់ជង់ការពារផលិតកម្មរបស់វាត្រូវបានជួសជុល ហើយបានពិពណ៌នាអំពីការផ្លាស់ប្តូរសំខាន់ៗជាបន្តបន្ទាប់ចំពោះប្រព័ន្ធត្រួតពិនិត្យដែលមានបំណង។ METR មិនបានវាយតម្លៃការអះអាងទាំងនោះទេ ហើយការរកឃើញរបស់វាពិពណ៌នាអំពីប្រព័ន្ធដូចដែលវាមាននៅ ឬមុនថ្ងៃទី 21 ខែកក្កដា — មិនមែនជាកំណែដែលបានពង្រីក OpenAI ត្រូវបានសាងសង់រួចហើយក្នុងអំឡុងពេលសមយុទ្ធនោះទេ។

មេរៀនរចនាសម្រាប់ការត្រួតពិនិត្យភ្នាក់ងារ

METR បានបិទការសង្ខេបរបស់ខ្លួនជាមួយនឹងឧត្តមគតិនៃការរចនាសម្រាប់ហេដ្ឋារចនាសម្ព័ន្ធត្រួតពិនិត្យនាពេលអនាគត ដែលខ្លួនអះអាងថាគួរតែទប់ទល់នឹងការវាយប្រហារដោយចេតនា យុទ្ធសាស្ត្រ និងជានិរន្តរភាពពីភ្នាក់ងារខាងក្នុងដែលមានសមត្ថភាពខ្ពស់ក្នុងទំហំ។ ពីរលេចធ្លោ។ ការត្រួតពិនិត្យគួរតែពិបាកជៀសវាង៖ ការដំណើរការសំណើដែលមិនបានត្រួតពិនិត្យគួរតែទាមទារការយល់ព្រមច្បាស់លាស់ដែលភ្ជាប់ទៅនឹងអង្គការជាក់លាក់ ឬ API keys ដែលត្រូវបានរារាំងពីការសន្និដ្ឋានរបស់ភ្នាក់ងារ ហើយភ្នាក់ងារគួរតែត្រូវបានត្រួតពិនិត្យរាល់សារ N ឬនាទីជាជាងនៅពេលដែលពួកគេបញ្ចប់វេនរបស់ពួកគេ។ ហើយការគ្របដណ្តប់គួរតែអាចធ្វើសវនកម្មបាន៖ គណនេយ្យដោយប្រុងប្រយ័ត្ននៃការសន្និដ្ឋានទាំងអស់ ដែលត្រូវបានយោងជាប្រចាំប្រឆាំងនឹងកំណត់ហេតុផ្ទាល់ខ្លួនរបស់ប្រព័ន្ធត្រួតពិនិត្យ ដូច្នេះអ្វីៗគ្រប់យ៉ាងដែលមានបំណងត្រួតពិនិត្យគឺជាក់ស្តែង។

លំហាត់នេះត្រូវបានរចនាឡើងក្នុងនាមជាអ្នកបើកយន្តហោះសម្រាប់ផ្តល់ឱ្យអ្នកស្រាវជ្រាវខាងក្រៅចូលយ៉ាងស៊ីជម្រៅទៅកាន់ហេដ្ឋារចនាសម្ព័ន្ធផ្ទៃក្នុងរបស់មន្ទីរពិសោធន៍ព្រំដែន មិនមែនជារបាយការណ៍តម្លាភាពសាធារណៈនោះទេ - METR និង OpenAI បានព្រមព្រៀងគ្នាជាមុនថាមានតែការបង្ហោះកម្រិតខ្ពស់មួយខ្លីប៉ុណ្ណោះនឹងត្រូវបានបោះពុម្ពផ្សាយ។ អង្គការមិនរកប្រាក់ចំណេញនិយាយថាកំណែនាពេលអនាគតនឹងអនុវត្តតាមតម្លាភាព និងការអនុវត្តឯករាជ្យដែលបានពិពណ៌នានៅក្នុងក្របខ័ណ្ឌរបស់ខ្លួនសម្រាប់ការធ្វើការជាមួយក្រុមហ៊ុន AI ។ នៅពេលដែលភ្នាក់ងារទទួលយកការងារបន្តបន្ទាប់ទៀតនៅក្នុងមន្ទីរពិសោធន៍ដែលបង្កើតវា អ្នកបើកយន្តហោះបានផ្តល់នូវគំរូសម្រាប់របៀបដែលអ្នកខាងក្រៅអាចរក្សាការឃ្លាំមើល។

---

ស្នាក់នៅមុន AI

ទទួលបានព័ត៌មាន AI ការវិភាគ និងរបកគំហើញចុងក្រោយបំផុត — ទាំងអស់នៅកន្លែងតែមួយ។

អានព័ត៌មាន AI បន្ថែម →