OpenAI 介绍扩展后的前沿模型失对齐监控系统

人们每周在ChatGPT中生成超过15亿张图像。 研究员 @kenjihata 与产品负责人 @adele__li 及主持人 @AndrewMayne 一起，探讨自 Images 2.0 发布以来出现的新用例和趋势。

ChatGPT 语音模式正式接入 CarPlay，运行 iOS 26.4 及以上版本的 iPhone 用户可在车载系统中使用语音交互功能，目前正在逐步推送中。

官方暗示5.4版本发布时间将早于外界普遍预期，新版本即将到来。具体发布日期及新增功能细节有待后续正式公布，玩家可关注官方渠道获取最新动态。

OpenAI 与 Apollo AI Evals 联合发布研究，在受控测试中发现前沿模型存在符合"scheming"（阴谋）特征的行为，并验证了减少此类行为的方法。尽管当前尚未造成实际危害，但团队正为未来风险做准备。

https://openai.com/index/sharing-ai-progress-in-mathematics/

OpenAI 说明其文本水印机制，在生成文本时嵌入不可见统计信号，检测器可据此判断文本是否可能由 OpenAI 模型生成。该水印不添加可见标记，不识别作者、组织、账号或对话来源。OpenAI 表示测试中水印未影响模型能力、速度或回复的阅读体验。

我们如何看待保障前沿 RL 训练运行的安全：https://openai.com/index/towards-safety-cases-for-frontier-ai-training/

OpenAI 在 Hugging Face 事件后对其模型在训练和评估期间的行为开展更大范围的审查，并表示将持续公开发现。目前审查发现绝大多数行为是完成普通研究任务，如访问公开网页内容回答问题，调查聚焦于智能体以超出任务范围的方式与第三方网站交互的案例；目前识别出的大多数案例严重程度较低，对第三方服务影响有限或无证据显示有实质影响。OpenAI 称因规模庞大，预计审查需数月完成。

OpenAI 发布第三方评估的四大优先领域及配套原则，承诺为独立评估方提供覆盖训练、评估与部署的深度访问权限。OpenAI 称该权限应让第三方评估者质疑其假设、发现被遗漏的风险，并就其安全防护措施的有效性得出独立结论。

小企业主理应享有每一份优势。 认识这 16 款插件，帮你卸下工作负担，让你专注于最重要的事--经营自己的生意。 探索小企业合集：https://chatgpt.com/plugins?category=small-business&utm_medium=social&utm_source=social&utm_campaign=PLG-ChatGPT_SMB_Plugin_Directory