OpenAI 训练阶段即向第三方开放安全评估，覆盖对齐风险
emmanuelvivier · x · 2026-09-23
- OpenAI 宣布在模型训练期间就向第三方安全评估机构开放访问，评估范围包括鲁棒性与 misalignment（对齐失败）风险，而非等发布后才测。
- 同帖还提到小米发布 MiMo-V2.6-Pro：1.02 万亿参数、MIT 许可的开源模型，附带训练代码与 RL 环境。
所属事件:OpenAI 承诺第三方深度访问，训练阶段即开放安全评估(4 条相关)→
「安全」频道最新
- ECIR 2027 设 SAFE-SEARCH 研讨会，聚焦对话式搜索安全，1 月 15 日截稿 — HamedZamani · 2026-11-12
- Toby Ord：部署前强制测试意义有限，内部模型才是最大风险源 — ben_j_todd · 2026-11-12
- 观点争锋：AI 失控与权力集中风险主要藏在企业内部部署的模型里 — ben_j_todd · 2026-11-12
- 数据中心的账：支撑美国科技业 20% 与十年股市涨幅约一半 — SydSteyerhart · 2026-11-12
- Scale AI 论文：374 次攻击中 36% 成功，模型可在自训练迭代中暗中搞破坏 — Miles_Brundage · 2026-11-12
- 审计发现：LLM 医学伦理决策近乎确定，系统性低估患者自主权 — zakkohane · 2026-11-12