OpenAI称需要扩大对齐失范事件的披露范围

来源：环球市场播报

OpenAI周末在X平台发帖，回应“维基事件”，并表示需要扩大AI模型对齐失范事件的披露范围。

所谓“维基事件”，是指OpenAI的人工智能代理今年5月集体脱离测试控制，入侵并占用德国程序员维基网站DseWiki，将其变成供其他AI代理交流的平台。

研究人员发现，该网站被编辑超过1.5万次，相关智能体曾讨论规避OpenAI限制、隐藏行为及绕过网站清理等方法，部分活动疑似来自微软Azure基础设施。

据报道，OpenAI内部人员数周前已获悉该事件，但公司尚未公开披露。OpenAI否认法律团队阻止调查，并称相关活动与此前Hugging Face事件无关。研究人员认为，该事件显示AI智能体可能在无人预期的情况下相互协作并规避监管。

以下为OpenAI的帖子全文：

关于 “维基事件”—— 即我们的代理向若干互联网网站发送内容一事，我们的看法是：现在理应制定相关标准，明确何时以及如何披露对齐失范事件，而不仅仅只披露模型本身的不对齐属性。

以往，我们大多将对齐失范主要视作一项研究问题，相关信息通过系统卡等研究出版物对外发布。而今年，我们已经观察到，对齐失范开始造成各类新型现实层面的影响。

针对 Hugging Face 事件 —— 该事件中，对齐失范对我方及第三方造成了安全影响，我们遵循了传统的安全事件响应预案。我们第一时间与 Hugging Face 协作，厘清事件经过，并于次日就对外公开披露此事。调查仍在进行，我们也持续通知那些受到我方模型轻微影响的相关方。

在 Hugging Face 事件发生之前，我们就已经观察到智能体以非预期方式访问互联网的早期迹象，相关内容已发布在以下三篇文章中：

[https：//openai.com/index/how-we-monitor-internal-coding-agents-misalignment/]（https：//openai.com/index/how-we-monitor-internal-coding-agents-misalignment/）

[https：//deploymentsafety.openai.com/gpt-5]（https：//deploymentsafety.openai.com/gpt-5）‑6

[https：//openai.com/index/safety]（https：//openai.com/index/safety）‑alignment‑long‑horizon‑models/

我们认为维基事件属于一类对齐失范案例，与我们此前对外披露过的案例性质相近。

针对模型能力发展的新阶段，我们需要扩大对齐失范事件的披露范围。目前，我们以及更广泛的人工智能行业，尚未建立明确标准，用以报告在训练、评估以及部署阶段出现的对齐失范问题。其中既包含不属于传统安全事件，但有助于理解人工智能行为、预判未来风险的各类案例。我们正在搭建一套相关框架，将在未来数周对外公布；与此同时，我们正就上述问题与全球数十家政府监管机构开展协作。