Ki ellenőrizze a legfejlettebb MI-modellek belső biztonságát?
A METR és a Redwood Research háromhetes helyszíni auditja szerint a GPT-5.5 szintű vagy fejlettebb modellek belső ügynökforgalmának 6–25 százalékát nem monitorozták. Egy hibát az OpenAI az audit alatt kijavított.