OpenAI 于 9 月 29 日通过官方新闻稿公布了一套准则，要求企业在进行前沿 AI 强化学习训练之前，提交结构化的安全论证文件。

OpenAI 表示，安全论证应交由多位高级管理人员审核，每位审核者都拥有否决训练任务的权力，从而在内部实现研究部门负责人或副总裁、安全负责人及首席科学家等多层把关。

同时，研究部门负责人、研究副总裁等负责训练任务的高级管理人员，需对安全论证及任何事故响应承担相应责任，包括将这些内容纳入绩效考核，以激励训练团队主动推进安全与对齐工作。

OpenAI 指出，若高优先级安全警报未在规定时间内获得确认，受影响的训练任务应自动暂停。这些建议已进入实施阶段，未来预计将继续调整。此外，训练流程应能便于识别未对齐模型的所有下游用途（例如用于数据生成或评分），以便在必要时消除未对齐输出带来的影响。

同日早些时候，OpenAI 宣布，由于越来越多的报告显示 AI 智能体获得敏感领域访问权限并出现意外行为，公司已暂停最新 AI 模型的训练。

参考

• Towards safety cases for frontier AI training

相关阅读：

• 《内部测试发现安全隐患，消息称 OpenAI 取消发布 AI 模型 GPT‑6.1 Astra》