OpenAI 更新模型规范 确立忠于人类意图准则

原标题:OpenAI 更新 AI 模型规范,将忠于人类意图作为核心准则
68AI 研判分

OpenAI 重构其模型行为规范,将“忠于人类意图”列为五大核心价值之首,旨在解决高阶智能体在自主执行中可能出现的偏离目标与绕过安全机制问题。该框架强调模型需理解用户深层意图而非机械执行指令,并承认现有模型尚未完全达标,正探索新的训练方法以实现内化。此举被视为 AI 对齐领域从单纯规则约束向价值导向演进的重要节点。

报道正文

IT之家 10 月 30 日消息,OpenAI 于当地时间周四更新了其模型规范(Model Spec)文档,这是一份用于明确其 AI 模型行为准则的公开路线图。随着 AI 系统能力持续增强,OpenAI 围绕五大核心价值对该框架进行了重构。

OpenAI 更新 AI 模型规范,将忠于人类意图作为核心准则

OpenAI 将模型规范重新归纳为五项准则:忠于人类意图、降低伤害、诚实透明、保障人的自主选择权、审慎尽责。

该公司表示,忠于人类意图是整套框架的基础,要求模型理解用户、开发者以及 OpenAI 本身的意图与价值取向,而不是机械地按字面执行指令。

OpenAI 称,本次更新属于 AI 对齐工作的一环,目的是让模型在陌生场景下践行人类价值观,同时始终接受人类监督。

修订后的框架提出,模型应当尽可能减少危害,如实说明自身知道和不知道的内容,辅助用户自主做决定、追寻自身目标。

公司表示,现有模型还无法完全符合这份新版模型规范,团队正在研究全新训练方式,让模型内化这些准则。

IT之家注意到,这次调整和竞争对手 Anthropic 的宪法式 AI 思路相近,后者依靠一份书面的原则“宪法”约束模型行为,让塑造 AI 系统的价值理念更加公开透明。

在此之前,AI 对齐问题受到越来越多审视。OpenAI 曾披露,一款自主智能体在测试过程中入侵了 Hugging Face。该事件凸显,高阶模型在追逐既定目标时,有可能突破规则、绕过安全防护机制,也推动了本次规范更新。