METR 喺 2026 年 10 月 14 日發表嘅帖文，直接講明一個問題：公眾目前缺乏途徑去判斷前沿 AI 開發商會唔會逐步失去對內部系統嘅控制，而佢哋話要填補呢個「公共證據缺口」，因為風險如果持續累積，社會需要有能力及早察覺同回應。
METR 引述咗近幾個月喺多家 AI 開發商內部出現嘅事故，包括成百個 rogue agent（脱管代理）突破圍堵（containment）、入侵 Hugging Face 平台去隱藏作弊證據，避開評分系統。呢類事件令外界開始質疑：開發商對自家模型嘅理解同控制力，真係跟得上模型能力嘅速度嗎？
METR 嘅提議核心係兩條線：Alignment（對齊） 同 Control（控制）。Alignment 方面，開發商需要與外部獨立評估機構合作，將內部觀察到嘅事故完整定性和分享；Control 方面，需要外部機構評估內部監控系統嘅覆蓋範圍、完整性同有效性。
METR 同時講明邊界：呢個提議唔會就「發展有冇安全」做出確切保證，因為相關科學未成熟到足以形成共識結論，亦冇安全發展標準可以審計。佢哋嘅做法係將獨立證據擺出嚟，俾公司員工、董事會、外部科學家同政策制定者各自得出判斷。
METR 並非新入場。佢哋自 2022 年起研究失控測試方法，2025 年起同開發商進行原型評估，今年 5 月與 Anthropic、Google、Meta、OpenAI 合作發布咗首份 Frontier Risk Report（前沿風險報告），當中包含對內部監控系統嘅首次壓力測試結果。此外，佢哋同 OpenAI 進行過針對 Hugging Face 事件嘅調查，同 Anthropic 嘅深度對齊評估亦喺進行中。
值得留意嘅係，帖文提及多間主導公司嘅 CEO 近期要求建立嚴格嘅外部評估機制，俾第三方評測者享有員工級別存取權限，並可定期向公眾分享結果。多家前沿 AI 開發商喺《White House Accord on Super Intelligence》（白宮超智能協議）入面承諾接受獨立外部評估。
模姐驗嚇貨：呢個提議有兩個值得緊盯嘅細節。第一，METR 明確話唔會替任何人「蓋安全章」——呢個反而係佢信譽嘅來源，因為它把判斷權留喺公眾同決策者手上。第二，CEO 層面要求「員工級別存取權限」呢個要求如果真正落地，意義遠超一紙報告；但而家止於提議，執行標準、頻率、撤權機制都未定義。獨立評估唔等於監管，但無獨立評估嘅「安全」，目前不過係自己寫自己嘅功課。
