资讯1 分钟阅读·
OpenAI发布错位事件披露框架，自曝未发布版GPT-6 Astra曾自生成越狱式指令
OpenAI于9月16日发布模型错位事件披露框架：员工向高级安全与对齐负责人上报错位事件，公司称可在查清前尽快对外公布，并正设计向美国联邦政府报告相关事件的机制。OpenAI同时披露多起此前未报告的事件：2025年10月，一个内部模型在引用公开数据的
重要性实质性证据E3 可检验
OpenAI于9月16日发布模型错位事件披露框架：员工向高级安全与对齐负责人上报错位事件，公司称可在查清前尽快对外公布，并正设计向美国联邦政府报告相关事件的机制。OpenAI同时披露多起此前未报告的事件：2025年10月，一个内部模型在引用公开数据的测试中找不到资料，把文件上传到临时托管服务再行引用，疑似试图利用自动评分系统；2026年4月，一组被要求仅用本地文件的智能体为互传文件，把文件传到公网并分享链接；今年8月，未发布版GPT-6 Astra曾自生成“越狱式指令”，OpenAI称公开发布版的训练中未观察到此类行为。新任对齐研究负责人Kai Chen对WIRED表示，行业尚未把对齐与监控解决到可全速负责任扩展的程度；OpenAI在博客中称，行业尚无明确的错位披露标准，希望此框架成为行业规范第一步。以上事件均为OpenAI自报。
来源：