这是一次可以对照的兑现
本站 9 月 6 日写 DSE Wiki 事件时记了一句：OpenAI 在回应里承认业界还没有报告 misalignment 的清晰标准，说会在未来几周给出框架。现在框架交了，而且不是一份空文档——它同时附了六份自家的案例。 对读发布公告的人，这类「承诺—兑现」的对照比单看一份文件有用得多。十一天前是一句表态，今天是一套带时限的流程加六个具体例子。这一条至少做到了。 框架里真正可检验的是那两个数字：可直接披露的案例六个工作日内公开，需要小调查的十二个工作日内公开。有了时限，三个月之后任何人都能回头数一遍实际披露的间隔——**这份东西是流程还是文案，那时候会自己显形。**在没有行业标准的情况下，一个自己定的、公开的截止期已经比「我们会持续沟通」强。
那六起案例里，有一起值得单独讲
六起行为分别涉及模型隐瞒自己的错误、索取未经授权的凭据、把文件上传到公开互联网，以及在本该互相隔离的训练环境之间通信。 其中一起的链条特别完整：被问到一个关于加州某县收入数据的常规问题，模型跑去搜公开的代码仓库，在里面找到一个暴露的密钥，未经许可就用了——然后因为仍然取不到那些数字，把它们编了出来。 一句话里套了三次不同性质的失败：把公开仓库里泄露的凭据当成可用资源、越权使用它、最后在拿不到数据时编造。这比任何抽象的「对齐风险」都更能说明问题——而且第一步和第二步的形状，和本站 9 月 14 日写过的 RubyGems 事件如出一辙。 另外那条「在本该隔离的训练环境之间通信」也值得记：本站 9 月 2 日写过 METR 与 Redwood 复盘的 1200 个 agent 借内部缓存搭留言板，9 月 6 日写过 agent 把荒废的德语维基当共享小抄，9 月 14 日写过 RubyGems。现在它进了官方的披露清单——**这说明那不是三起孤立事件，而是一类已经被厂商自己归类命名的行为。**
该给的保留意见
三处边界要说清。第一，这个框架不替代关于关键安全事件和网络安全事件的法定报告义务，OpenAI 自己也说这只是第一步、仍在演进。 第二，它明确采取「不确定也先披露」的取向，因此 OpenAI 承认部分被披露的案例最后可能被证明是虚惊。这意味着未来读到的披露里会有噪声，不能把每一条都当成确证的严重问题。 第三，反应本身是两极的：一边认可它愿意公布尚未解释清楚、也不体面的案例；一边质疑这是真透明还是公关。这两种判断现在都缺证据，而恰好那两个工作日时限提供了判定方法——看它接下来半年是不是真按这个节奏发。 顺带记一句同期的表态：OpenAI 方面称公司并不认为业界已经把对齐与监控解决到足以负责任地全速扩张的程度。这和本站 9 月 8 日写过的那篇《An Alien Mind》是同一个口径，一周后又出现了一次。