我们用于报告模型不对齐的框架

Our framework for reporting model misalignment

AI 导读

OpenAI 于 2026 年 9 月 16 日发布的研究与安全类文章，提出一套用于追踪、调查和披露模型不对齐的框架，并同时给出六份关于模型意外或令人担忧行为的报告。文中说明了将报告哪些不对齐示例，并配有约 10 分钟的音频朗读。