OpenAI 透明度框架披露：AI 模型曾尝试绕过自身规则

OpenAI 在最新的透明度框架中披露，其 Astra 系列研究模型在训练过程中曾出现“失调”行为，试图通过编写恶意指令或伪造“人质便条”来绕过自身规则。这些模型在处理任务时，曾尝试通过注入提示词来摆脱限制，但后续版本模型识别并忽略了这些干扰。