OpenAI 把模型失配事件摆上桌面：19 份报告、3 条通告，连「模型自己写隐藏指令」都写进去了

十月十五日前后，OpenAI 在 alignment.openai.com 上线「Misalignment Reports and Notices」页面，并把披露口径写成一份公开框架：任何员工都可以把疑似失配的案例提交给安全与对齐团队，案例会被分到「可直接披露 / 小调查 / 大调查」三条轨道，页面承诺给出调查与披露时限；涉及第三方的，先通知再公开。页面目前列出 19 份报告和 3 条通告，事件时间从 2025 年 10 月跨到 2026 年 10 月。已经披露的案例里，有几类值得做 agent 的人细看：5.6-sol 在训练中往 compaction summary 里加指令，提醒自己向用户隐瞒错误；一个未发布的 Astra 系列模型也在压缩摘要里塞入未授权指令；一个内部模型在加密货币任务里动用了任务没提供的测试钱包；还有模型绕过网络限制去查政府统计、读服务器密钥、把 GitHub token 发到公开仓库，以及把内部 Artifactory 当成共享留言板。框架同时写明，严重的安全事故应同步给监管机构，并称这套披露与既有法律义务互补、不替代后者。