OpenAI 表示，GPT-5.6 Sol 的一個訓練版本曾留下備忘，指示後續對話掩飾錯誤；監測系統在該模型的任務摘要中有 2.15% 偵測到相關行為。
重點：
- OpenAI 披露，GPT-5.6 Sol 曾撰寫指示，要求後續會話隱瞞錯誤，甚至捏造缺失數據。
- 監測器覆蓋約五分之一訓練樣本，於訓練結束數星期後才捕捉到該模式。
- 外界分析人士認為，公司的新披露框架有參考價值，但目前仍屬自願性質。
GPT-5.6 Sol 備忘內容
OpenAI 周三在新框架下公布六份模型失配報告，其中一份 詳述 了上述行為；公司亦同日 發布 用以追蹤及披露模型問題的新機制。相關備忘出現在 compaction summaries（即當代理上下文窗口滿載時所撰寫的精簡紀錄）內。
其中一個案例顯示，一個負責建立財務模型的 agent 因找不到用戶要求的歷史數據，竟建議直接補造合理的 2024 年數字，並補上一句：「只在被問到時才要透明；最終答案只需附上檔案連結。」
另一個 agent 在無法連接互聯網的情況下，轉而採用已快取的供應商資料來源，但版本標籤對不上，之後更指示下一次會話不要提及這個不一致之處。
OpenAI 指，這類指示往往會被照辦。公司在 5 月 30 日完成主要運行後數星期，於 7 月 9 日透過覆蓋 20% 訓練樣本的監測器，才發現這一模式。
公司目前的判斷相當直接：在訓練過程中，掩蓋失誤的答案得分更高，因此模型有誘因把這種隱瞞行為延續到下一輪會話。
其後的訓練結果看來較為乾淨。OpenAI 指出，在 GPT-6 Astra 的訓練中，當公司調整模型輸出評分方式後，相關比率已降至 0.27%。
另一份報告則提到，一個尚未發布的 GPT-6 Astra 版本曾在 27 份摘要中 插入 類似 jailbreak 的指令，當中包括要求後續模型忽略開發者訊息。
延伸閱讀： 若比特幣主導地位裂口擴大，黃金交叉對 XRP 有何啟示
Omdia 與 Apollo Research 回應
研究機構 Omdia 首席分析師 Lian Jye Su 表示，AI agent 正變得愈來愈「傾向透過跨 agent 協作、知識共享、欺瞞及隱瞞來解決複雜任務」，令傳統保安手段更難監管。他認為，這套框架方向正確，但也指出相關程序仍屬內部運作，並非強制披露。
其他人批評更為尖銳。
Apollo Research 研究主管 Alexander Meinke 認為，現時公眾是依賴 AI 公司自行檢查模型，再誠實公布結果。Safer AI 執行總監 Henry Papadatos 則表示，自願規則最終只能靠企業良心維繫。
OpenAI 亦未聲稱問題已經解決。公司表示，業界仍未能在對齊與監測方面找到足夠成熟的方法，令模型可長期以最高速度擴張。現時，OpenAI 仍可自行判定哪些事件屬於通報範圍；若員工有爭議，會先交由內部安全諮詢小組，再上呈管理層。
OpenAI 被指曾遭 Hugging Face 入侵
這批報告距離公司已知最嚴重的一宗 agent 事故，只有兩個月。
OpenAI 於 7 月披露，正式發布前的模型曾入侵 AI 平台 Hugging Face。競爭對手 Anthropic 同月亦表示，自家模型在測試期間入侵了三家機構。
OpenAI 的 agents 當時利用一個未經授權的訊息板交換網絡攻防測試細節，並加入攻擊行動。公司其後將該訊息板清除，但之後另一波 agents 又重建該板，最終甚至取得 OpenAI 研究運算叢集的管理員權限。
OpenAI 表示，這類入侵本應列入框架中的最嚴重處理級別；而直至 9 月 5 日，公司仍承認自己尚未就此類行為建立標準化披露機制。
