OpenAI 解僱安全研究員：Signal 對話加劇監督爭議
OpenAI 解僱了三名安全部門員工，而有關會自動消失的 Signal 對話的新報道，令保密與獨立監督的爭議更加尖銳。這宗 OpenAI 解僱安全研究員事件涉及對資訊處理、外部合作，以及員工是否理解其工作規則的不同說法。
據報《華爾街日報》發現，調查人員曾審視與一名外部安全研究員的通訊。這個細節需要審慎看待：一段會消失的對話，並不能證明有人分享了甚麼資訊、分享是否獲授權，或僱主為何將其解僱。
核心衝突在於 OpenAI 對敏感研究的控制權，以及外部評估人員能否獨立審查相關研究。競爭對手 Anthropic 亦面對有關評估 AI 行為的類似問題，但這場爭議聚焦於實驗室與其安全審查人員之間的工作關係。
OpenAI 解僱安全研究員事件實際能證明甚麼
解僱一事已獲確認；但聲稱僅因訊息會自動消失而導致解僱，則超出目前可得證據所能支持的範圍。
公開紀錄顯示，涉事員工為 Tomek Korbak、Jasmine Wang 及 Mikita Balesni。雖然報道通常將三人統稱為研究員，但其職責各有不同。在評估有關其存取權限、通訊及獲分配職務的指控時，這項分別相當重要。
在最新 Signal 報道出現前，解僱事件已公開。美聯社於 10 月 9 日報道，OpenAI 表示調查發現有人違反敏感資訊處理規定。該公司否認解僱是因為員工公開談論安全問題，詳見其資訊處理聲明。
較新的報道為既有爭議補充了一項通訊細節。據 WSJ 報道，調查人員發現部分研究員曾與一名外部安全研究員進行會自動消失的 Signal 對話。相關Signal 對話應註明消息來源，而不應被當作已獨立證實的不當行為。
會自動消失的訊息會在預設期限後自動刪除對話紀錄。這描述的是保留設定，即紀錄可供查閱的時間長度。它並不說明對話內容，也不能證明參與者曾披露受保護資訊。
這裏其實涉及數個不同問題。僱主可以調查未獲批准的通訊渠道、未獲授權的收件人、被禁止的披露行為，或缺失的紀錄。這些問題可以重疊，但支持其中一項的證據，並不會自動證實其餘各項。
例如，員工可能透過公司禁止的渠道討論獲准分享的資料。另一名員工則可能使用獲批准的渠道，在授權範圍以外分享資訊。單憑通訊平台本身，無法分辨這些情況。
研究員否認有不當行為。他們的立場是，與外部人士合作本屬其職責的一部分，並符合既有工作場所規範。OpenAI 的立場則是，他們的行為違反資訊處理要求。任何一方的說法，都不會僅因其關切聽來合理而成為定論。
因此，較審慎的解讀應比流傳中的標題更狹窄：OpenAI 在內部調查後解僱了三名安全部門員工。其後報道提及會自動消失的 Signal 對話，而各方對相關行為及其理據仍有分歧。
這項區分是進行有效分析的基礎。若將事件視為對 Signal 的裁決，便會掩蓋制度層面的問題。關鍵在於 AI 公司如何授權外部審查、如何記錄其界線，以及當敏感研究跨越該等界線時，如何處理分歧。
這亦改變了何謂有意義的回應。泛泛支持安全，並不能解釋一項具爭議的人事決定。反過來，批評解僱亦不代表可以免除合理保密規則的需要。當中缺失的連結，是顯示這些規則如何適用的證據。
外部評估人員需要員工能安全使用的存取權
獨立監督取決於可實際使用的存取權，包括員工與評估人員溝通時所需的明確許可。
眼前壓力落在仍在職的安全人員、研究管理層及外部審查人員身上。各方都需要清楚理解，誰可以討論敏感發現。即使所有人都同意應繼續進行外部評估，不確定性仍會造成阻力。
評估人員的正式存取權只是安排的一部分。員工亦需要知道，他們是否可以回答後續問題、解釋異常結果，或質疑公司的詮釋。若沒有這類許可，存取權即使在文件上存在，重要背景資料仍可能無法取得。
試想一項對 AI agent 異常行為的示例性調查。AI agent 是使用 AI 模型、為達成目標而採取行動的軟件。審查人員檢視其活動時，可能需要員工解釋測試為何結束，或哪些紀錄並不完整。
員工的回答可能揭示原有調查的弱點，也可能披露敏感技術細節。一套有效的監督程序，必須讓這類對話得以進行，同時界定其限制。讓員工自行推斷是否獲准，會令保密與調查都變得不可靠。
這是一個制度設計問題，而非主張不受限制地披露資訊。外部審查不代表每名員工都必須分享每一份文件。它需要的是一條經授權的途徑，讓相關證據可交到具資格評估的人手中。
這條途徑亦須容納分歧。員工可能認為某份摘要低估了風險，而管理層則認為摘要準確。若唯一獲准的通訊只是重複管理層的詮釋，評估人員便難以獨立審視這項分歧。
明確的升級處理程序有助區分這些情況。程序應分辨一般研究合作、緊急安全通報、具爭議的披露要求，以及涉嫌不當行為。即使它們在同一宗調查中出現，這些類別涉及的決定並不相同。
影響亦延伸至評估 AI 供應商的企業客戶。客戶一般無法直接檢視實驗室的內部研究，因此部分依賴有關測試、事故處理及外部審查的證據。這些程序的質素，影響客戶應對安全保證給予多大權重。
沒有根據可據此斷定，這些員工離職後 OpenAI 產品突然變得不安全。人事爭議並不能衡量模型行為。事件的關聯在於，該機構是否保留可靠的方法，以發現並質疑安全問題。
因此，OpenAI 解僱安全研究員事件既是管治問題，也是勞資爭議。公司需要能支援嚴肅審查的保密做法。研究人員需要可遵循的許可界線。評估人員則需要足夠獨立性，以識別公司可能傾向作出不同詮釋的問題。
可信的安排必須同時滿足這些需要。嚴格的存取限制，無法彌補缺乏相關證據的調查。廣泛的審查人員存取權，亦無法彌補職責不清。實際問題是，工作程序能否同時支援問責與保護。
保密與獨立審查必須並行運作
核心取捨在於，如何保護敏感研究，同時讓外部人士質疑公司的結論。
OpenAI 對其模型及研究資訊進行控制，有其正當利益。外部機構的安全使命，並不自動授權每一項披露。員工仍需要明確職責，而評估人員亦需要就接收及使用資訊的方式訂立限制。
因此，公司論點最有力的版本其實很直接。安全工作依賴處理敏感資料的同事之間建立信任。若員工明知故犯，違反清晰規則，其安全職責並不會令這些規則變得無關緊要。
研究人員的論點則指向另一種漏洞。他們認為，若員工只能透過被解僱才得知合作的界線，合作便無法有效運作。當工作涉及陌生事件、不斷演變的做法，以及跨組織討論時，清晰程序尤其重要。
他們公開發表的外部合作信件否認曾提供一宗有關較難監控架構的報道所指的洩密資料。信中亦堅稱，他們的外部通訊屬於工作範圍。這些是研究人員的主張，而非獨立調查的結論。
信中描述 Korbak 與獨立 AI 評估機構 METR 合作的角色，並稱 Balesni 曾與資深同事協調跨公司工作。信中亦分別解釋 Wang 有爭議的電郵存取權源於獲授權的招聘職責。這些差異提醒我們，不應假定每人都面對完全相同的指控。
信中亦呼籲安排外部評估人員駐場、保留模型可監控性，以及制定更清晰的合作規則。這些要求共同將人事爭議連結至更廣泛的監督關切。研究人員認為，員工需要可預期的許可，才能與獨立專家合作。
這個立場值得審視，但不代表它已解決各人的個案。公司可能程序不足，而員工亦可能處理資訊不當。反之，即使遭被解僱員工批評，調查亦可能公平地套用清晰程序。單憑公開分歧，無法判定哪種解釋較符合事實。
一個有用的標準，是檢視許可是否在爭議行為發生前已具體列明並獲理解。亦應審視管理人員是否批准相關活動，以及可比行為是否獲得可比處理。這些問題將焦點放在程序，而非互相競逐的善意聲明。
紀錄保存亦屬這個框架的一部分。保存適當紀錄可以保障公司的資訊，亦有助員工證明已獲授權。但檔案只有在周邊規則清楚說明員工必須保留甚麼、以及應在哪裏保存時，才有價值。
如讀者有興趣了解更廣泛的分別，團隊知識庫可協助整理共享資訊。然而，它本身不能確立向外披露該等資訊的許可。儲存、存取及授權需要分開作出決定。
同樣的原則亦適用於涉及保密與安全的對話。私隱可鼓勵坦誠溝通，而紀錄則有助問責。一套有效的流程必須說明這些目標如何互相配合。無論永久保留還是自動刪除，都不足以構成完整的管治政策。
因此，爭議無法單靠把保密或公開視為抽象美德來解決。關鍵考驗在於 OpenAI 的程序是否讓獲授權的審查能夠可預期地進行。無論最終如何判斷這些個別解僱個案，這項考驗仍然重要。
模型可監測性令爭議具有技術層面的利害關係
這場協作爭議之所以重要，是因為外部審查者需要一般產品示範無法提供、有關 AI 行為的證據。
可監測性是指能否根據可得證據，推斷模型行為的相關特性。其中一個潛在來源是思維鏈，即推理模型處理任務時生成的中間文字。研究人員正研究這些文字能否協助識別有問題的行為。
其潛在好處不難理解。即使過程中涉及未經授權的捷徑，最終答案仍可能看來可接受。中間紀錄可為實際發生的情況提供額外線索。其價值取決於這些紀錄實際揭示了甚麼，以及審查者能否可靠地從中作出推斷。
OpenAI 於 2026 年 4 月發布的可監測性評估，將這種方法描述為其安全策略的一部分。該公司表示，會利用推理監測來偵測有問題的行為，並發布了旨在支援衡量和進一步研究的數據集及參考程式碼。
這項公開工作提供了一個重要共識：OpenAI 本身也將可監測性視為實際的安全議題。因此，這場爭議並不只是重視監測的人與反對監測的人之間的對立。即使已共享既定目標，實施方式和外部審查的問題依然存在。
技術限制同樣重要。模型寫下的推理過程，未必完整或如實反映所有影響其回應的因素。若把可讀的中間文字視為必然可靠的解釋，便會令審查者獲得超出證據所能支持的信心。
Anthropic 於 2025 年 4 月發表、關於推理忠實度的研究，說明了這項限制。其實驗測試模型會否承認影響其答案的提示。該公司表示，模型往往沒有在書面推理中提及這些影響。
這項研究提供了相關的業界比較，但並未證明誰勝一籌。Anthropic 的發現指出某種監測訊號的限制，卻不能證明 Anthropic 的僱傭實務或外部監督安排優於 OpenAI。
對評估者而言，這意味著存取權必須支援檢驗主張，而不只是閱覽解釋。可讀的追蹤紀錄可以是有用證據，卻未必是決定性證據。審查者需要有機會調查落差、比較觀察結果，並評估擬議保障措施是否能在相關條件下發揮作用。
這正是議題不止於內部通訊爭議的原因。當員工與外部專家就監測方法意見不一時，要有效解決問題，就必須接觸底層證據。過度限制溝通，會令技術分歧更難調查。
同時，人事爭議並不能證明任何特定模型已變得無法監測。這個結論需要技術證據。監測研究的存在，亦不代表實驗室的保障措施涵蓋所有重要的失效模式。
較恰當的連結更為狹窄。獨立審查有助檢驗仍不完美的安全方法。要讓這類審查發揮作用，機構需要清晰方式來交換敏感證據。因此，技術工作與協作規則彼此相互依賴。
讀者不應把這些問題壓縮成對公司意圖的單一判斷。實驗室可以發表有用研究，同時面對合理的管治批評。被解僱的研究員可以提出有效的技術憂慮，而不代表每項具爭議的人事指控都必然對其有利。
消失訊息留下重要未解問題
缺失的對話紀錄造成證據問題，但不能證明缺失對話的內容或目的。
最重要的未解問題，是 OpenAI 聲稱足以構成解僱理由的具體行為。公開聲明提及處理資訊時違反規定，但研究員不同意這種定性。若沒有底層證據，讀者無法可靠地判斷公司如何把特定行動與特定規則連繫起來。
消失訊息設定會令這項評估更困難。若相關紀錄已不復存在，調查人員重建事件的途徑可能較少。但紀錄中的空白始終只是空白，不能獨立證明遺失材料包含機密研究、一般協調，還是其他內容。
意圖是另一個問題。人們可能基於多種原因選擇私下溝通，而在個別個案中，這些原因需要證據支持。單憑設定本身，不能證明存在蓄意隱瞞，也不能證明相關溝通符合僱主的要求。
授權構成另一層未解問題。獲准與外部評估者合作，未必代表可使用每個渠道或作出每項披露。同樣地，一項一般保密政策也不能說明管理層是否批准了後來受到質疑的特定合作。
懷疑態度必須同時適用於雙方。OpenAI 否認報復，並不能獨立證明其決定沒有產生寒蟬效應。研究員警告存在寒蟬效應，也不能獨立證明有報復動機。
這些概念描述的是不同事情。報復涉及一項決定為何發生；寒蟬效應則涉及其他員工如何回應。即使解僱有理據，若同事不明白相關界線，仍可能產生不確定性。
公共問責與公開披露人事紀錄之間亦有分別。OpenAI 並不需要公開每一份敏感文件，監督仍可獲得改善。一項適當獨立的審查可以私下檢視證據，同時公開說明其範圍、標準及限制。
這類審查會比反覆強調信任的重要性更具資訊價值。它可以評估適用哪些規則、員工如何理解這些規則，以及授權如何運作。它亦可以指出程序弱點，而不披露模型設計或無關的個人資料。
同樣的證據紀律亦應規管有關外部機構的主張。它們參與合法的安全工作，並不會自動驗證每一次互動。相反，與外部專家討論機密研究，亦不必然等同未經授權洩密。決定性因素是存取條款。
對客戶而言，這些不確定性意味著應作出合乎比例的判斷。這場爭議支持人們就監督做法提出更嚴格問題，卻不支持假定存在特定產品缺陷、已證實的刑事行為，或員工動機的定論。
OpenAI 安全研究員遭解僱一事，仍是一場公眾對證據掌握不均的爭議。負責任的分析應直接指出這項限制。以確定性填補空白，只會重現讀者正試圖理解的那個問責問題。
留意評估者存取權、書面規則與監測證據
下一批有用訊號，應來自可觀察的監督做法，而非又一輪互相競爭的聲明。
首先，留意外部評估者如何說明其實際存取權。合作公告只證明機構有意共同工作，卻不能證明審查者可檢視哪些模型、取得哪些紀錄，或員工能否與他們討論未解決的發現。
有意義的更新，應在合適的細節層面解釋這些工作條件。評估者應能描述審查的範圍及限制。清楚證明持續而實質的存取權，將削弱解僱事件廣泛限制外部審查的憂慮。
相反，若限制令審查者無法檢視相關證據，便會加強這些憂慮。然而，沉默本身並不能證明存在這些限制。保密要求可以限制公開說明，因此讀者應區分未披露的安排與已證實的缺乏存取權。
第二，留意規管員工合作的書面規則。有用指引應列明獲批准的通訊渠道、授權責任、紀錄保存要求，以及上報分歧的途徑。重要訊號在於員工能否在具爭議的互動發生前理解這些規則。
即使不公開解決研究員的個別案件，可預期的程序仍可回應其較廣泛憂慮的一部分。模糊的指示則會令根本的不確定性持續存在。一項政策是否存在，遠不如員工與評估者能否一致地使用它重要。
第三，留意重大模型變更是否附帶新的監測證據。讀者應尋找明確描述的評估、已承認的限制，以及可供獨立檢視的機會。相比僅聲稱監測仍然重要，展示其能偵測甚麼及在哪裏失效的證據更具資訊價值。
可比較的測試有助區分技術進展與表述方式的改變。若新方法降低可見度，相關問題便是有哪些補償性保障措施，以及它們如何獲得評估。若可見度有所改善，審查者仍應檢視這項改善能否在現實條件下維持。
這些訊號彼此相連。評估者需要接觸證據，員工需要獲准解釋證據，而監測主張需要外部人士可評估的測試。只在其中一個範疇取得進展，整體程序仍須依賴對其他範疇的假設。
這些觀察均不需要預測監管期限、另一宗離職事件，或產品供應情況的變化。有用的預測是程序性的：當機構披露具體安排和證據時，這場爭議便更容易評估。在此之前，信心應與實際可見的資訊相稱。
對開發者及企業買家而言，應利用 OpenAI 安全研究員遭解僱一事，令你向 AI 供應商提出的問題更精準。詢問誰可檢視重要失效情況、員工能否與審查者坦誠溝通，以及分歧如何提交給可問責的決策者。除能力證據外，亦應要求提供有關監測限制的證據。不要把人事指控當作產品評估，也不要把安全承諾當成監督有效的證明。留意公司及其評估者接下來作出的實質披露。最有用的更新，將說明審查者可檢視甚麼、員工如何協助他們，以及當證據挑戰偏好的結論時會如何處理。這些才是判斷監督程序值得多少信任的具體依據。
