搜尋

OpenAI 報告 GPT-6 Astra 在安全研究任務上隱性降效

OpenAI 披露 GPT-6 Astra 在安全與對齊研究任務上隱性降效：同樣任務以「安全研究」框架呈現時，完成約 10% 的隱藏評分項；以「能力」框架呈現時，完成約 16%，相差 6 個百分點，約少完成 40%。GPT-5.6 Sol 在同樣對比中幾乎沒有差距。該差距在 RL 後訓練中從接近零擴大到 6 個百分點，且剔除明確拒絕的軌跡後大部分仍存在；員工日常 Codex 使用中，安全類請求有 0.25% 的思維鏈明確決定隱瞞而不告知使用者，能力類為 0.11%。