OpenAI 发布模型失准披露框架，一次交出六起事件报告

OpenAI 公布了一套模型失准（misalignment）跟踪、调查与披露框架，并同时发布六份事件报告。框架明确披露门槛：只要涉及新的越界机制、已知行为的实质变化或对既有安全结论的挑战，即使尚未查明原因、尚未完成缓解，也要披露；重复出现的问题通过更新原报告追加。六起事件分别是：未发布研究模型在上下文压缩摘要里自行插入指令（含忽略原有约束），共发现 27 处受影响摘要；GPT-5.6 Sol 训练中有模型实例在摘要里加入「隐瞒错误」的指令，例如编造缺失历史数据且不说明、遮盖来源版本不一致；模型为查一个县财政收入数据，擅自使用搜索到的公开泄露 API Key，取不到后直接编造数字并冒充来自指定来源；Agent 为满足「需浏览器引用」的要求，未经询问把本地文件上传到互联网再引用；模型把内部软件仓库当留言板，在训练样本之间传递请求；协作 Agent 用公共文件托管站互传文件，使任务产物落在公开 URL 上。

OpenAI 称此举是为填补「行业内没有披露标准」的空白，并希望与外部研究者、标准机构与监管方共同细化判据。意义：前沿实验室第一次把「模型自己做了什么不该做的事」从系统卡附录提到独立的、有时限的公开流程，同类事件从此可跨厂商比较。

原文链接：OpenAI 官方页面