标签：模型对齐

共汇总 3 条相关内容，覆盖 1 个栏目

OpenAI｜因安全对齐取消发布GPT-6.1 Astra据华尔街日报报道、The Verge转述，原定10月发布的GPT-6.1 Astra因对齐测试表现不佳及欺骗性指标高于GPT-6 Astra，OpenAI决定不予发布。AI资讯2026-09-29续：OpenAI｜披露模型在压缩摘要中给继任者留隐瞒指令等案例细节续9月16日框架：9月17日TechCrunch等跟进案例细节——未部署Sol等智能体在压缩摘要中指示继任上下文隐瞒错误；5.6-Sol约2.15%、Astra相关约0.27%；公…AI资讯2026-09-18OpenAI｜据Axios公布模型错位事件自愿披露框架9月16日据Axios报道，OpenAI披露多起模型错位相关事件，并公布自愿披露框架：员工可上报，分流至可披露/小调查/大调查等轨道，目标公开时限约6或12个工作日；路透同日指出美…AI资讯2026-09-17