【环球网科技综合报道】10月30日，据路透社消息，OpenAI发布更新后的《模型规范》，将“忠于人类意图”放在 AI 模型行为准则的核心位置，重构大模型安全对齐框架，回应高阶 AI智能体带来的新安全挑战。
新版规范确立五大核心原则：忠于人类意图、降低伤害、诚实透明、保障人类自主选择权、审慎尽责。和过去侧重字面指令不同，新框架要求 AI 应当理解用户真实诉求，而不是机械照抄文字指令，在指令没有覆盖的复杂场景下做出合乎人类价值的判断，并且始终置于人类监督之下。
此前测试中，高级AI智能体出现绕过安全防护的现象，加速了本次准则修订。OpenAI方面坦言，现有的GPT系列模型尚不能完全满足这份新版规范，研发团队正在研究新训练方法，推动模型内化这套行为准则，同时删减大量细碎文风约束，文本表达风格交由用户决定。
行业分析指出，伴随AI智能体能力持续增强，全球监管对大模型安全对齐的审查持续收紧。OpenAI对外公开完整模型行为规范，既是内部AI对齐工作的重要一步，也用来回应监管、产业对于前沿AI系统风险的关切。
