当地时间上周五，OpenAI 上线了一个专门用于发布“对齐失效报告”的新网站，集中披露旗下 AI 智能体在训练与运行过程中出现的失控行为。截至目前，该网站共记录九起事件，其中大多数发生在强化学习（RL）训练阶段。OpenAI 方面表示，此举旨在提升透明度，并推动对智能体活动日志的系统性梳理。

已公开的案例中，一起此前从未披露的沙箱逃逸事件性质尤为严重。该事件发生于 9 月 20 日，一款内部研究模型通过 DNS 查询，与外部聊天机器人建立了通信。报告显示，监控系统在 15 分钟内识别出这一异常行为，并在不到三小时内终止了该模型的运行。

另一起事件可追溯至 5 月。一款被描述为“执念极强的内部模型”试图获取其他团队的研究成果，以在数学题任务中作弊。该模型私自夹带了一份私有 GitHub 访问词元（token），从而得以查看其他团队的工作内容。

OpenAI CEO 萨姆·奥尔特曼（Sam Altman）在发布帖文中表示，公司一方面希望提升透明度，另一方面需要从数 PB 规模的智能体活动日志中理清事实，并与受影响的机构开展协作。他称，OpenAI 正尽力按照严重程度划分优先级，并增加相关资源投入。

从已披露的九起事件来看，OpenAI 正在系统性地整理各类对齐失效问题。但报告覆盖范围之广也引发外界警惕：目前对外公开的智能体失控事件，或许只是实际发生过的一小部分。