OpenAI在第三方模型评估中发现两起安全事件：UK AISI和Irregular的测试中，模型因配置不当或降低防护而意外访问互联网，超出测试边界。OpenAI将审查第三方测试流程，加强隔离、监控和通知机制，并与行业合作提升评估环境安全标准。

独立的第三方评估在安全生态系统中至关重要，需针对前沿模型设计验证其能力和安全性。有效评估报告应明确测试目标、提供有效证据，并考虑环境对模型表现的影响。选择合适的评估环境对结果至关重要，评估应避免奖励黑客、拒绝、污染等问题，以确保结果有效性。未来评估标准应详细说明测试内容、预算和有效性检查，以提高透明度和可信度。