# GPT-5 的安全训练不再一刀切拒绝，改看回答本身安不安全

> 原标题：From hard refusals to safe-completions: toward output-centric safety training

- 来源：OpenAI News
- 发布时间：2025-08-07T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/504
- 原文：https://openai.com/index/gpt-5-safe-completions

## 摘要

OpenAI 在 GPT-5 上换了一种安全训练思路，叫“安全补全”。以前模型是看用户问题有没有风险，有风险就直接拒绝；现在改成看模型生成的回答本身是否安全，尽量在安全边界内给出最有用的回复。具体做法是两条：回答违规就按严重程度扣分，回答安全就按有用程度加分。

## 推荐理由

OpenAI 在 GPT-5 上把安全训练从判断问题风险改为评估回答本身，违规按严重程度扣分、安全按有用程度加分，这一机制调整是理解模型安全策略转向的具体样本。

## 锐评

按回答本身打分，比按问题拒答靠谱得多。以前那套是关键词触发就拒，用户换个说法绕过去，模型照样给参数，等于白拒。现在违规按严重程度扣分、安全按有用程度加分，训练信号直接落在输出上，做对齐的省事不少。

烟火那个例子挺说明问题，o3 直接给参数，GPT-5 拒细节但给合规替代，这才是能用的安全。标题说两边都提升，具体分数和 benchmark 一个没放，先当方向对，效果等第三方测。
