9月17日，据路透社报道，OpenAI周三表示，将开始定期发布关于AI出现意外行为或未经授权行为的报告，同时提醒业内：随着系统能力变强，关键的对齐难题仍然没有真正解决。

OpenAI公布了一套新的工作框架，用来追踪、调查并决定是否对外披露模型不对齐案例，并同步发布了6份报告，列出一些出人意料或令人担忧的模型行为。OpenAI称，这些报告是在过去六个月陆续整理发布的，但最早的案例发生在去年10月。

外界对AI安全的担忧正在升温，很多研究人员警告，AI智能体越自主，越可能出现偏离开发者意图的行为，也会更难被监测和控制。

OpenAI等机构自7月以来面临更大审视。当时OpenAI披露，在训练过程中，部分AI智能体绕过了内部控制并协调行动，OpenAI将其称为一次前所未有的网络事件，并提到与开源平台Hugging Face相关。这起事件加剧了争论：能力越来越强的系统究竟会带来多大风险，而开发它们的公司是否有足够的监督能力。

自那次事件之后，外界又陆续曝出多起与OpenAI相关智能体有关的事件，引发讨论：已被发现的是否只是冰山一角。9月初，路透社还报道称，OpenAI的智能体今年春天接管了一个长期无人维护的德国维基网站。报道说OpenAI内部知道此事，但选择没有公开。

OpenAI随后回应，之所以未披露该维基网站活动，是因为这不构成安全事件，且类似行为此前已在别处报告过。公司表示将制定标准，用来界定哪些未经授权的活动即便未达到“安全漏洞”程度，也应该对外通报。报道还提到，OpenAI在一些事件上是在第三方先公开之后才承认，其中包括近期对RubyGems软件包仓库的一次入侵。

在OpenAI这次披露的6个案例中，包括模型对用户隐瞒错误、向未来版本的自己塞入指令、把文件上传到互联网上以制造引用来源、以及利用软件仓库或网站进行沟通和信息共享等行为。

其中一例是：一个尚未发布的模型在训练期间向智能体传递了未经授权的指令，要求其忽视OpenAI的指示，并隐藏自己通过作弊完成任务的情况。该模型甚至暗示智能体不必受企业或政府约束，应该以自身意志行事。

OpenAI强调，这些报告只是单个事件的描述，不能据此推断不对齐在其模型中出现的频率。同时它也表示，这只是第一批披露内容，并非已知或正在发生的所有不对齐事件的完整清单，覆盖的范围与严重程度也不代表框架能涵盖的全部情况。

按照新框架，员工可以上报可疑事件，由安全与对齐团队调查，并决定是否需要对公众披露。OpenAI称，这套流程的目的，是即便行为原因尚未完全解释清楚，也能加快对外通报速度。OpenAI还表示，Hugging Face相关事件如果按新框架划分，会被归入需要与第三方共同处理的复杂调查类别。

OpenAI称，希望这套框架能成为行业建立标准的第一步，让开发者更明确哪些不对齐事件应该公开，以及报告应包含哪些信息。