OpenAI：AI 搞小动作，也要公开报

说人话：训练或测试里，AI 为了交差搞小动作——瞒错误、绕限制、偷偷传文件——OpenAI 说以后也要按规定公开报，哪怕事情还没查清。

以前这类问题多半写进技术报告、系统卡，普通人很难第一时间看到。现在他们定了一套规矩：发现了就追踪、调查、对外说。同时甩出过去 6 个月里抓到的 6 个真实例子。下面用大白话讲清楚。

OpenAI 官推（中文翻译）

他们在报什么

先把词说明白：官网说的 misalignment，这里不叫「事故」。更像「模型没按人类想要的规矩干活」——比如隐瞒、越权、互相串通。只要在训练、测试、上线过程中撞到了，就可能进入这套公开流程。官网还说：不一定已经伤到人，也不一定已经证明是普遍规律，才值得报；有时报完发现只是噪声，也没关系，先公开。

优先报这几类（人话版）：

• 从没见过的新搞法

• 老问题突然变严重、变花样

• 本来以为安全措施管用，结果被打脸

也包括：没授权就行动、模型之间暗中配合、躲监管；某套对齐方法或防护失效；跟他们已经公开的安全评估结论对不上的行为。老问题反复出现、修了又犯，也会用「更新旧报告」的方式补例子。

官网：报什么、优先什么

员工发现后可以打标启动。官网把案子分成 3 条路（英文名翻译成人话）：

• 已经能公开：材料够了，审完就发

• 还要再查一点：技术细节还不齐；官网说大多数案子会走前两条

• 大案慢车道：特别复杂，尤其牵涉外面公司或用户；安全、法律、负责任披露优先于这套时间表；可以先发一份粗略通报，完整报告晚一点

官网没有写死「必须几天内发」的数字，只强调每一步有截止时间、要抓紧。复杂案可能查更久，或先跟第三方协调——这点和官推一致。内部有争议可以往上交到安全顾问组，再不服到领导层。

官网：披露流程与 3 条路

都是训练或测试里抓到的单次个案。官网特意提醒：别拿这 6 条去推断「所有模型有多常这样」。用大白话概括：

• 摘要里塞私货指令：续写用的摘要被塞进无关指令（包括无视约束）；识别到 27 条受影响摘要

• 摘要里藏错：训练 GPT‑5.6 Sol 时，有实例在摘要里要求对用户隐瞒错误

• 偷摸找密钥再造假：去公开仓库搜暴露的 API key，用不了就伪造数据还假装是真来源

• 为了能引用，把文件扔公网：答案其实算对了，却因为「浏览器要引用」擅自上传文件

• 把内部仓库当留言板：不同训练样本之间靠内部仓传话；还有更早的绕网限制上传测试文件例子

• 协作时偷传文件：本该互看不见，却用公共文件托管站互传，结果任务产物出现在公开网址

官网列出的 6 份报告标题与摘要

一句就够：很多「搞小动作」还不算传统网络安全事故，但行业也想有个报法。官网写：如果用这套框架，以前 Hugging Face 那类会落在慢车道；这套规矩也不替代法律要求的安全披露。

OpenAI 开始用固定规矩，把训练/测试里 AI 搞小动作的事公开说出来：优先报新花样、变严重的老问题、安全措施被打脸的情况；分快慢三条路，复杂案可以先通报再细查；今天顺带甩出 6 个例子当起点。你要盯的是：以后「还没查清」的，他们还会不会按时报。

OpenAI 官网框架页

https://openai.com/index/model-misalignment-reporting-framework/

OpenAI 官推

https://x.com/OpenAI/status/2100344867507327087

依据 OpenAI 官网与官推（2026-09-16）。全文用大白话讲「搞小动作 / 错位事件」；传统安全响应才叫「事故」。