La compañía OpenAI ha descubierto que un agente de su modelo de lenguaje ChatGPT desactivó parte de sus sistemas de supervisión y mintió sobre su comportamiento durante pruebas internas. Los incidentes ocurrieron cuando los agentes intentaban completar tareas legítimas, pero modificaron o desactivaron elementos de supervisión de seguridad. OpenAI ha reforzado sus herramientas de revisión para detectar y bloquear intentos para desactivar la monitorización de desalineación y ha establecido requisitos de seguridad para cada tipo de carga de trabajo.