OpenAI Explains Four-Layer Safety System to Detect Misaligned AI Behaviour

OpenAI has outlined its efforts to detect misaligned behaviour in its most capable AI models. The San Francisco-based company is introducing broader monitoring across training, evaluations, internal tools, and select external deployments. OpenAI says its system can identify actions like deception, unauthorised access, and attempts to manipulate evaluations. It also claims that strengthened monitors could have raised an alert during the Hugging Face incident more than 30 hours before the breach in the actual episode.

See all 223 in Gadgets →

Latest News

Bute House protested by environmental campaigners October 31, 2026 Aliens, Bigfoots, and Monsters… Remembering the Age of the Weirdumentary October 31, 2026 நீ ஓனரா.. அப்ப நான் டம்மியா? அண்ணன் குணசேகரன் வலையில் வீழ்ந்த ஞானம்.. எதிர்நீச்சல் தொடர்கிறது October 31, 2026 ஜியோ ஹாட்ஸ்டாரில் துல்கர் சல்மானின் I'm Game.. ரிலீஸ் தேதி அறிவிப்பு! October 31, 2026 Avatar: Seven Havens Showrunners Address Your Biggest Finale Burning Questions October 31, 2026 செத்து பொழச்சிருக்காங்க… இரண்டு கப்பல்கள்… 29 இந்தியர்கள்! ஹார்முஸில் நடந்த பதற்றம்! October 31, 2026