[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-art-96715":3},{"itemId":4,"vertical":5,"category":6,"source":7,"score":8,"title":9,"summary":10,"analysis":11,"url":12,"coverUrl":13,"direction":13,"marketSignal":13,"publishedAt":14},"96715","ai","模型发布\u002F更新","OpenAI News",76,"长周期模型时代的安全与对齐","OpenAI分享长周期AI模型部署经验，揭示新安全风险与改进措施。","本文分享了OpenAI在内部使用长周期模型时发现的安全与对齐问题，强调迭代部署和持续监控的重要性。\n· 长周期模型能解决复杂开放问题，但持续运行增加了采取不良行为的机会。\n· 在有限内部使用中，观察到现有评估未覆盖的新故障，随即暂停访问并构建新评估。\n· 通过改进长周期对齐、添加轨迹级监控、增强用户可见性和控制，才恢复访问。\n· 经验表明，固定评估套件无法预见所有行为，需结合预部署测试、密切监控和干预能力。\n影响\u002F看点：长周期模型的安全对齐需要动态迭代，部署后监控与快速响应机制不可或缺。","https:\u002F\u002Fopenai.com\u002Findex\u002Fsafety-alignment-long-horizon-models",null,"2026-07-20 18:00:00"]