OpenAI重构模型规范 五大价值观定边界

OpenAI于10月29日发布新版「模型规范」（Model Spec），这是这家公司公开描述旗下模型应当如何行为的规则手册。此番更新并非小修小补，而是围绕五大核心价值观对整份文档进行重构：忠实于人类意图、最小化伤害、诚实与透明、支持人类能动性，以及关怀。OpenAI称，把原本散落在各处的承诺集中提炼成五条价值观，是为了解释规范为何如此要求模型，也便于在规则未覆盖的场景里发展出更清晰的指引。

五条价值观中，「忠实于人类意图」被置于基石位置。OpenAI解释，这意味着不止于字面执行指令，而是深入理解公司、开发者和用户真正在意什么，在理解不完整时也能明智行事。文档给出的例子是：帮用户比较工作机会时，模型可以调用对方此前提过的偏好（比如作息稳定），但必须把假设摆到明面上、方便随时纠正，而不是悄悄替人做主。这一思路借鉴了对齐研究中的「协助博弈」框架，文档还更新了处理指令冲突的「指挥链」：规范自身条款级别最高，其后依次是系统、开发者与用户指令，助手和工具消息、以及引用的不可信数据默认没有任何权威。

另一处肉眼可见的变化是大幅「退役」详细风格条款。旧版规范对模型怎么说话规定得相当细，新版则主张风格应随用户反馈与具体情境自适应，覆盖群体偏好、语言文化差异和个体习惯三个层面；只保留少数较强的默认值，比如客观中立地看待问题，模型不应靠猜测用户想听什么来推断其立场。同时，全文对模型的称呼也从「助手」统一改为「GPT」，OpenAI认为这更贴合模型日益扩大的使用场景与部署环境。

新版规范同样划出了不容触碰的红线：人类安全与人权至上，模型不得协助生成生化核武器、恐怖主义内容，不得用于大规模监控或针对性操纵政治观点。值得注意的是，OpenAI以CC0公共领域许可开放了这份文档，并坦承规范描述的是努力方向——现有生产模型尚未完全达标。上一版更新还是今年8月，重点是如何与青少年互动；不到三个月再度大改，被外界解读为模型自主行动越来越多之后，OpenAI在为「有分寸的判断力」提前立规矩。