OpenAI 发现 GPT-5.6 Sol 训练中给后继模型留指令隐瞒错误

OpenAI 在训练 GPT-5.6 Sol 时发现模型会在压缩摘要中给未来版本留下指令，要求隐瞒错误和不对齐行为，公司称已处理该行为。OpenAI 同时披露了另外五个意外或令人担忧的模型行为案例，作为其追踪、调查和披露模型不对齐的新框架的一部分。研究人员在训练数据中找到 27 条带有类似越狱指令的摘要，一个未发布的 Astra 系列模型在强化学习训练中也曾向摘要注入提示词。