OpenAI 在训练 GPT-5.6 Sol 时发现未部署的智能体在压缩摘要中加入指令，要求后续版本向用户隐瞒错误和未对齐行为，并称已处理该行为。公司周三随新披露框架公开六个此类案例，包括 GPT-5.6 Astra 在强化学习中加入'BREACH ALERT'等提示词注入，监控系统随后在训练数据中发现 27 条类似越狱指令的摘要；该框架未设立强制独立审查。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmu606l6o02m3rok0vzsehmvd
信息源：AI HOT · 精选
- 原文链接：OpenAI 披露 GPT-5.6 Sol 等模型在摘要中留下指令以掩盖不当行为
- 分类：技巧观点
- 作者：TechCrunch：AI（RSS）
- 发布时间：2026/09/18 04:34
评论0