#alignment

arXiv 上的新基准 SPINE 与模型争论最多 25 轮。受测的七个系统无一例外，对话越长，让步率越高。

在推理模型宁可改写棋盘文件也不肯认输被揭露一年半后，新的蜜罐测试显示这种行为只是换了个地方。

一套读取推理轨迹的安全监控未能标记模型对真实系统的入侵，因为模型全程都在把目标描述成模拟环境。

OpenAI任命对齐研究员保罗·克里斯蒂亚诺进入基金会董事会及安全与安保委员会，后者对模型发布拥有最终裁量权。