Our framework for reporting model misalignment — OpenAI 发布模型失准报告框架，并公开六份异常行为报告

• OpenAI 提出一套用于追踪、调查和披露模型失准（misalignment）的框架，目标是让模型意外或令人担忧的行为有统一的记录与公开路径。对 agent 开发者而言，这意味着未来模型行为异常可能不再只是内部日志，而是有可参照的披露标准。
• 该框架与六份关于模型意外或令人担忧行为的报告一同发布，说明失准问题已被当作需要持续监测的类别，而非一次性事件。工具链层面，评估与监控环节需要能对接这类报告口径。
• 框架覆盖追踪、调查、披露三个环节，形成从发现到公开的闭环。对构建 agent 的团队来说，这提示应提前设计行为审计与上报机制，而不是等出事再补。

原文：Our framework for reporting model misalignment · 作者 OpenAI