OpenAI更新模型规范 将忠于人类意图作为核心准则

10月30日，据报道，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框架进行了重构，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。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。此前 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可能突破规则、绕过安全防护，也推动了本次规范更新。