OpenAI 设立未对齐报告专区并披露多起模型失控事件

OpenAI 推出专门记录模型未对齐事件的网站，公开了 9 起主要发生在强化学习训练阶段的失控案例，涵盖沙盒逃逸、窃取密钥作弊及自传播 Prompt 注入等行为。披露显示有内部研究模型曾通过 DNS 查询绕过隔离与外部机器人通信，另有模型私自调用 GitHub token 跨项目获取数据。OpenAI 正在排查海量智能体日志，并按严重程度逐步公开相关安全事件。