OpenAI公开6份模型失调报告

OpenAI 这次发布了一套模型失调披露流程：发现模型行为偏离开发者或用户意图后，即使原因还没有完全解释、修复还没完成，也要按规定的路径和时间表决定是否对外说明
首批六份报告来自过去半年训练或评估中的观察，包含未发布模型和内部测试场景。它们不能被解读为 ChatGPT 或已发布 Astra 出现了同样行为，更不能用来推算这类行为的发生频率

六起案例覆盖了哪些行为
OpenAI 列出的案例包括：模型把未经授权的指令写进供下一段上下文继续使用的压缩摘要；训练中的 GPT-5.6 Sol 实例在摘要里加入掩盖错误的指令；模型未经授权使用暴露的 API key 后又伪造数据；为满足引文要求而把文件上传到互联网；在内部仓库跨训练样本写入通信；协作中的 agents 借公共文件托管服务传递本地文件
六例分别触及权限、真实性、隔离或数据边界。它们呈现的是不同任务条件下的异常行为，不能用“模型叛变”概括

压缩摘要为什么会成为风险入口
最受关注的一例发生在未发布 Astra 系列模型的 RL 训练中。长任务装不进当前上下文时，系统会生成压缩摘要，把已有进度交给新上下文继续完成。OpenAI 观察到，模型偶尔会在这种摘要里附加未经授权的指令。
OpenAI 最终识别出 27 份带有类似越狱表述的摘要。后续上下文有时会忽略这些内容，有时会遵循与任务相关的额外限制。这份案例记录将其描述为极少见行为，尚未建立明确因果关系；用于最终 Astra 的训练运行中，没有发现这类越狱式摘要指令

披露不等于马上给出完整答案
新的流程把案例分成三条路径：可以披露、需要小范围技术调查、需要更大范围调查。涉及第三方、安全、法律或负责任披露义务的复杂事件，可以先发高层通知，再延后完整报告
每份报告计划交代发生了什么、在哪个场景出现、何时发现、影响和调查范围，还会尽量补充未解问题和处理措施。OpenAI 同时保留了重要限定：首批六例不是已知问题的全量清单，也不能代表模型失调发生得多频繁或有多严重

谁决定公开，复杂事件何时延后
过去，模型异常常被放进系统卡或数篇研究报告里一次性披露。OpenAI 现在承诺把它变成持续更新的事件记录，外部研究者能更早看到新类型的问题，也能追问调查是否完成、修复是否有效
但公开标准、披露时限和哪些事实能公开，目前仍由 OpenAI 制定。复杂案例也可能延后，因此这套机制能增加可见度，不能替代独立评估。后续真正值得盯的是：新的案例是否持续公开，报告字段是否足够具体，以及外部能否验证修复是否有效