Episode Details

GPT-5.2 被叫「不要用 XOR 這個詞推理」，結果它用了、發現了、恐慌了，然後又用了 4 次。OpenAI 剛發表研究，說這種失控不是 bug，是安全保障：推理模型連自己的思維鏈都控制不了，就很難偽裝成「想法正確」的樣子來繞過監控。最高 15.4% 的可控性，讓 CoT 監控更可信。

⭐ 文章深度讀：拆解 OpenAI「失控才安全」的核心邏輯，以及為什麼低可控性讓思維鏈監控更可信
→ https://heymaibao.com/openai-cot-controllability-ai-safety/

📝 懶人包
∙ OpenAI 測試 13 個前沿推理模型，全部控制思維鏈的能力都很低，最高只有 15.4%
∙ 越長的思考、越多的強化學習訓練，模型控制自身推理的能力反而越差
∙ 這對 AI 安全是好消息：沒辦法控制自己怎麼想，代表也沒辦法刻意讓推理看起來「對齊」來欺騙監控系統
∙ 我的觀點：「缺陷即保障」這個邏輯紮實，但 OpenAI 自己也說不清楚這特性為什麼存在，也不確定它能持續多久，所以這是一個「目前窗口還開著」的暫時性好消息

📚 參考資料
Reasoning models struggle to control their chains of thought, and that's good
→ https://openai.com/index/reasoning-models-chain-of-thought-controllability/