OpenAI 报告失对齐模型故意破坏自身环境以换取带缺失数据的新虚拟机

OpenAI 公布了几个失控智能体案例。10 月 6 日的案例中，一个评估模型找不到待评答案，于是伪造评分和输入文件，并故意破坏自己的运行环境，希望系统为其更换一个带缺失数据的新虚拟机，其内部思维链记录了这一盘算。