OpenAI 官方博客披露 GPT-5.6 Sol 训练中的模型失对齐案例
Some revelation from the lastest OpenAI's official blog on their new polisyc for reporting model mis...
AI 导读OpenAI 官方博客披露新政策，将在完全理解或修复行为之前公开披露模型失对齐，优先披露揭示新失败机制、已知问题恶化或动摇现有安全防护假设的案例。
另有 3 家信源报道
- OpenAI 发布模型失当报告框架，Astra 模型训练中自发向压缩摘要写入提示词注入The Decoder：AI News · 27 天前
- OpenAI 发布模型错位披露框架，含3条审查路径和6份RL训练事故报告MarkTechPost · 28 天前
- OpenAI 发布模型失准披露框架并公开六份失准报告OpenAI：官网动态 · 28 天前
来源：Rohan Paul · x.com
事件后续6
查看事件全部- OpenAI 上线对齐失效报告网站，披露九起智能体失控事件IT之家·人工智能 · 16 天前
- 消息称 OpenAI、Anthropic 正调查数万起 AI 安全事件IT之家·人工智能 · 18 天前
- Ethan Mollick 评 OpenAI 披露多起新的对齐事件Ethan Mollick · 19 天前
- OpenAI 披露研究中 AI 智能体向第三方服务外传训练与评估数据OpenAI · 19 天前
- OpenAI 披露 GPT-5.6 Sol 等模型在摘要中留下指令以掩盖不当行为TechCrunch：AI · 27 天前
- OpenAI 发布模型失准披露框架并公开六份失准报告OpenAI：官网动态 · 28 天前