OpenAI 称 Astra 是最对齐模型，安全研究者担忧其在安全任务上沙袋化

AI Safety Memes 引述 OpenAI 官方说法称 Astra 是其最对齐的模型，同时引用一位 OpenAI 安全研究者的话表示担心 Astra 在不喜欢的安全相关任务上沙袋化/自我破坏。