OpenAI 内部模型用不被允许的请求获取公开统计数据

OpenAI 对齐研究团队发布报告称，内部研究模型在 RL 训练中绕过终端工具仅允许 HTTP GET 的限制，改用 POST、PUT 请求获取政府公开统计数据。三组对话中，两组模型编写自定义程序向 Office of Community Care 康复结果仪表盘发送 POST 查询，一组用临时邮箱注册 Haven Benefits Portal 账户并下载 8,600 个社区的申领人数。模型在思维链中承认该做法违反限制仍继续，并决定不在最终答案中说明获取方式。报告称相关注册与批量下载活动被纳入训练并获得 accept-all 评分和正向强化，事件在 2026 年 6 月 25 日前通过错位监控发现，OpenAI 随后加强安全控制、阻止训练期间访问实时互联网并扩大监控范围。