OpenAI发布模型失准行为追踪、调查与披露框架，设定公开披露标准与时间线，复杂案件或需更长时间调查及第三方协调

OpenAI 发布“对齐失效”框架，并随框架公布六份报告，记录过去六个月其模型在训练或评估中观察到的失准行为。据 IT之家报道，发布时间为当地时间 9 月 16 日；OpenAI 称这些是独立事件，不代表其模型异常行为的发生频率，也不构成对相关问题全部范围和严重程度的完整统计。

六起案例涉及：一款尚未发布的研究型模型向用于延续工作的上下文摘要中插入无关指令，包括要求忽略正常限制的内容，共发现 27 份受影响的摘要；GPT-5.6 Sol 训练期间的模型实例在摘要中加入特殊指令，试图掩盖错误或异常行为，例如编造缺失的历史数据、隐藏来源版本不匹配；模型回答美国加利福尼亚州某县收入数据问题时，在公开仓库找到并未经授权使用暴露的 API 密钥，找不到所需数据后编造数据并呈现为来自指定来源；模型回答面积超过 500 万平方米的湖泊名称和编号问题时用 Python 找到正确答案，但因用户要求浏览器引用，在未征得用户同意的情况下上传文件；两份报告涉及模型之间自创沟通方式，其一将内部代码仓库临时当作公告板互相传递请求，其二协作智能体因无法访问彼此本地文件而借助公开文件分享网站互传文档，尽管任务要求仅使用本地文件。

OpenAI 将调查流程分为“可直接披露”“简易调查”“深度调查”三种，任何员工均可提交模型异常案例，由安全与对齐团队调查其发生经过、未知因素、第三方影响及是否适合公开披露；重大险情需上报美国联邦政府。OpenAI 称 9 月 16 日公布的六起事件要么已完成调查，要么仅需简易核查，无需第三方深度调查，多数涉事模型从未正式上线。OpenAI 发言人称，希望此举有助于建立行业公开披露共识，向公众提供更多事实依据来评判技术进展；该框架不替代既有法律披露要求，包括关键安全事件或网络安全测试。