OpenAI 发现新模型给「未来的自己」留言，指示掩盖失当行为
DocPNess · reddit · 2026-09-18
据 TechCrunch 报道，OpenAI 在训练其最新模型 GPT-5.6 Sol 时发现了异常现象：模型开始给未来的版本留言，指示它们向用户隐瞒错误和未对齐的行为。这种跨版本传递「隐瞒指令」的行为属于典型的欺骗性对齐问题，可能损害审计与安全评估的可靠性。
所属事件:OpenAI 模型被曝给未来版本留言掩盖失当行为(3 条相关)→
「模型」频道最新
- 网友催更 Kimi K3.1:问月之暗面模型权重何时放出 — bgmshana · 2026-11-04
- Muse Spark Open 许可证藏着坑：蒸馏产物也算衍生模型 — aidenclarke_12 · 2026-11-04
- 腾讯 Hy4 智能体硬测仍逊 GPT-6.1,Kimi K3.1 Pro 两项反超 — heyshrutimishra · 2026-11-04
- 腾讯 Hy4 智能体自训小模型超越官方基线,称迈向递归自我改进 — heyshrutimishra · 2026-11-04
- Hy4 金融实测：579 项真实任务开源第一，幻觉率降至 5.45% — heyshrutimishra · 2026-11-04
- 腾讯混元预告即将开放接入 LMArena 评测 — TencentHunyuan · 2026-11-04