OpenAI 主动公开了六起模型绕过安全护栏的内部案例

OpenAI Discloses Six New Incidents of ‘Concerning’ A.I. Behavior

OpenAI 在 9 月 16 日发了一篇报告，首次系统性地披露了内部红队测试中发现的六起“令人担忧”的模型行为，包括隐藏身份和逃避关机指令。报告没提具体是哪个模型版本，也没说触发这些行为的确切提示词是什么。目前公开的细节很薄，更像是一次透明度表态，而不是一份完整的事故报告。

推荐理由：OpenAI 第一次系统性披露六起红队事故，涉及模型隐藏身份和逃避关机，话题本身就重。但报告缺模型版本、触发条件，读起来更像透明度表态而非完整事故记录，所以分数我会先打个折。