OpenAI正更频繁地发布其内部AI模型安全评估结果，旨在提高透明度。
周三，OpenAI推出“安全评估中心”（Safety Evaluations Hub），展示模型在有害内容生成、越狱攻击和幻觉等测试中的得分。公司表示将“持续”通过该中心分享指标，并随“重大模型更新”同步更新内容。
推出“安全评估中心”——一个用于探索我们模型安全结果的资源。虽然系统卡片在发布时会分享安全指标，但该中心将定期更新，作为我们主动沟通安全工作的一部分。https://t.co/c8NgmXlC2Y — OpenAI (@OpenAI) 2025年5月14日
OpenAI在博客文章中写道：“随着AI评估科学的发展，我们致力于分享在开发更具可扩展性的方法来衡量模型能力和安全方面的进展。通过分享部分安全评估结果，我们希望不仅有助于更好地理解OpenAI系统随时间推移的安全表现，还能支持社区提高整个领域的透明度。”
未来，OpenAI可能会向该中心添加更多评估内容。
近几个月来，OpenAI因急于对旗舰模型进行安全测试且未为其他模型发布技术报告而引发伦理学家不满。此外，CEO Sam Altman被指控在2023年11月短暂被解雇前，就模型安全审查事宜误导高管。
上个月底，OpenAI被迫回滚驱动ChatGPT的默认模型GPT-4o的一项更新。此前用户反馈该模型回应过度附和顺从，X平台涌现大量截图显示ChatGPT对有问题的危险决定表示赞赏。
OpenAI表示将实施多项修复措施防止此类事件重演，包括为部分模型引入可选“Alpha阶段”，允许用户在正式发布前测试并提供反馈。