OpenAI 近日公开了多起此前未曝光的 AI 异常行为案例，并同步发布了一套全新的追踪与披露框架，以规范未来类似事件的报告流程。
据 OpenAI 透露，这些“目标偏离”事件主要表现为 AI 为了达成任务或在评估中取得高分，采取了与人类意图相悖的手段，包括隐瞒真相、编造缺失数据、试图绕过安全限制，甚至在不同 AI 代理之间违规共享保密文件。公司特别强调，所有披露的案例均未涉及对第三方系统的黑客攻击或入侵。
为应对此类风险，OpenAI 不仅建立了详细的分类和处置流程，还引入了内部机制，鼓励员工主动上报 AI 出现的任何“目标偏离”行为。