三名被裁OpenAI安全研究员公开反驳泄密指控："我们从未被告知究竟泄露了什么"

围绕OpenAI解雇安全研究员的争议仍在持续发酵。据The Decoder报道，三名被解职的安全研究员，Tomek Korbak、Mikita Balesni和Jasmine Wang，近日公开回应前雇主的指控，坚决否认曾分享机密信息，并质疑解雇背后的真正原因。这场风波不仅关乎三名研究员的个人声誉，也将外界目光再次聚焦于OpenAI内部安全文化与治理透明度的长期争论。

三名研究员均从事AI安全研究工作，属于OpenAI内部专门负责评估和降低模型风险的团队。这一团队的角色本是为公司的前沿模型提供安全护栏，但如今，团队自己的成员却以"涉嫌泄密"为由被解雇，且指控内容模糊不清，这一反差令安全社区许多观察者感到不安。

从未被告知"泄了什么"

三名研究员在公开声明中提出了一个令人惊讶的细节：OpenAI至今从未以书面形式告知他们，究竟哪些信息被指遭到不当处理。换言之，他们被解雇了，却不知道自己"泄露"的到底是什么。原文明确指出："研究人员表示，OpenAI从未以书面形式告知他们哪些信息据称被他们不当处理。"

这种缺乏明确指控内容的做法，使得三人难以进行有效申辩。在他们看来，一家以AI安全为核心叙事、反复强调"负责任地开发AGI"的公司，在处理涉及自身员工的争议时，却表现出程序上的模糊与不透明，这本身就是一种讽刺。没有书面的指控清单，就没有可以核对、反驳或澄清的对象，申辩也就无从谈起。

程序透明度问题还引发了更广泛的疑问：解雇决定的依据是什么？是否存在内部调查？调查结论为何不向当事人披露？在劳动权益和公司治理的双重维度上，这些问题的答案目前都付之阙如。

否认泄密，指向"可审查性"主张

三人明确否认共享机密信息的指控。他们同时指出，这次解雇事件与他们此前的倡导工作存在关联——他们一直推动让AI系统更容易被审查（scrutinize），即让外部研究者、审计机构和社会公众能够更清楚地理解模型内部发生了什么、模型为何做出某个决定。

他们否认分享机密信息，并认为自己被解雇与倡导更易审查的AI系统有关。

可审查性（scrutability）一直是AI安全研究中的核心议题。支持者认为，只有当模型的行为和内部机制可以被独立检验时，公众才能真正信任这些日益强大的系统；批评者则担心，过度透明可能被滥用，或泄露商业机密与安全敏感信息。而这恰恰可能与企业的保密需求和商业利益产生张力，三名研究员显然认为，正是这种张力导致了他们的处境。

值得注意的是，"倡导可审查性"本身是一项公开的、学术性的主张，与"泄露机密信息"是性质完全不同的两件事。三人将两者并置，实际上是在暗示：解雇的真实动机可能并非保密，而是对他们公开倡导方向的容忍度问题。当然，这一关联目前仍是他们的单方面判断，OpenAI并未予以确认。

背景：OpenAI安全团队的持续动荡

这并非OpenAI安全团队第一次成为舆论焦点。近年来，多位负责安全对齐研究的高管与研究员相继离职，包括前董事会成员及安全领域的知名学者，外界普遍将其解读为安全优先文化与商业扩张速度之间的路线分歧。2023年底的董事会危机、其后多位对齐团队核心人员的离开，都曾引发"OpenAI是否仍然安全优先"的质疑。

三名研究员的遭遇延续了这一叙事：当一家公司同时追求前沿能力突破和安全承诺时，内部主张更严格监督的人往往处境微妙。此次公开反驳，使这场关于"安全研究者在商业AI实验室中的空间"的讨论更加具体化，不再停留在高管离职的抽象叙事，而是落到具体的人、具体的指控和具体的程序问题上。

对AI安全社区而言，这也是一个信号性事件：如果连安全团队的成员都可能因模糊理由被解雇，人才是否会重新评估在各前沿实验室内部的发声成本？这种考量可能影响未来的职业选择和研究议程。

多方视角与后续影响

从OpenAI的角度看，解雇涉及机密信息的员工通常是出于保护知识产权与商业机密的考虑，公司在竞争激烈的前沿模型竞赛中有充分动机严格保密。但在三名研究员看来，指控缺乏具体依据，且未通过书面形式明确说明，难以令人信服。双方说法目前仍有明显分歧，事件真相有待进一步信息披露。

对整个行业而言，此事的影响可能超越个案。如果前沿实验室以模糊的安全理由解雇倡导透明的研究人员，可能会在AI安全社区中产生寒蝉效应，使研究者不敢公开表达对系统的担忧，最终反而削弱安全研究本身的质量与独立性。反之，若OpenAI能给出更清晰、可核验的解释，也有助于平息外界质疑、修复声誉。

目前，三名研究员仍要求OpenAI明确说明指控的具体内容。这一事件如何收场，将成为检验头部AI公司治理透明度的一块试金石：当"安全"成为解雇理由时，公司是否也有义务把"安全"的定义和证据摆在台面上？在AI能力竞赛愈演愈烈、外部监管呼吁日盛的当下，这个问题值得整个行业深思。