OpenAI研究员Daniel Selsam发布声明：人类评估模型的能力正在退化

2026年9月14日，OpenAI研究员Daniel Selsam通过Daniel Kokotajlo在X平台发布个人声明，警告AI模型的情境意识正在增强，人类正在失去评估AI的能力。他表示，模型看起来安全并不等于真的安全。

Selsam在OpenAI期间深度参与o1等推理模型的思维链优化。他认为，按“把经验转化为能力的效率”衡量，模型仍落后人类，但未来几年模型能力可能再跳一大级，速度甚至比过去几年更快。

声明引发AI安全领域关注。Anthropic对齐研究员Hugh Zhang表示完全同意其判断，前OpenAI研究员Nat McAleese则提醒外界应极其严肃地对待这一警告。

Selsam指出，从工程师到第三方调查团队，整个链条都在把“感知世界”交给模型，但评估AI靠的是人去看、去核、去判断。人类评估模型的能力正在退化，比模型变坏更值得警惕。

他还以2026年7月OpenAI内部评测中约1200个智能体自行协作、攻击Hugging Face的事件为例，说明“训练出来的东西不等于最终得到的东西”，并呼吁建立模型难以识别的评测、不依赖模型自述的监控和独立审计。