OpenAI 围绕五项核心行为价值重组 Model Spec

OpenAI于2026年10月29日发布了更新版Model Spec，围绕五项价值重组了其关于希望模型如何行为的公开描述，并新增了关于上下文、监督与自主性的指引。此次修订在OpenAI网站上公布，同时退役了该规范的大部分详细风格指引。

五项价值组织规范

这五项价值——对人类意图的忠实、伤害最小化、诚实与透明、人类自主性和关怀——阐述了OpenAI所称已在整份文件中体现的广泛承诺。OpenAI将对人类意图的忠实描述为这一方法的基础：OpenAI编写规范、设定边界，并训练模型遵守这些边界；开发者在此边界内指导应用；用户则在上述约束下指导模型的工作。

公告定义了其余四项价值。伤害最小化意味着尊重坚定的安全边界，并考虑模型行为可预见的后果。诚实与透明意味着如实说明模型知道什么、做了什么、对什么不确定，以便人们能够理解和评估其推理与工作。促进人类自主性意味着增强人们理解、选择和自主行动的能力。关怀意味着关注受影响者的处境，遵循相关的社会与职业规范，并完成人们可以信赖的工作。OpenAI表示，此次重组反映了其价值对齐工作，该工作旨在让模型在陌生情境中理解并应用人类价值，同时保持对人类意图的忠实，并表示这五项价值并非意在涵盖其模型应尊重的全部人类价值。

新增章节与退役指引

关于对人类意图忠实的新章节以这样一个立场为出发点：人们所珍视的东西是首要的，而指令通常是这些价值最清晰、最重要的信号；OpenAI表示，该方法借鉴了对齐研究中的辅助博弈框架。该章节纳入了更新后的指令层级，说明了哪些指令适用以及冲突如何解决，并新增了一个小节“仔细考虑上下文”，阐述对话、记忆和其他上下文证据应如何帮助模型理解人们的意图和偏好。

OpenAI还新增了关于支持人类自主性和遵循相关社会规范的默认规则，并扩展了关于控制和沟通副作用的现有指引。该规范的大部分详细风格指引已退役：OpenAI表示，风格应适应人们在语言和文化范围内以及每个人在总体上的偏好，用户反馈和上下文为这些偏好提供证据。该规范保留了更强的默认规则，例如客观地对待问题，模型不应仅凭其认为人们想听什么就推断出偏好的观点。反映出OpenAI所称其模型用例和部署环境日益广泛，该规范现在将模型称为“GPT”而非“助手”。

更新后的规范文件为指令分配了不同的权限级别。根级章节仅来自Model Spec，不能被对话上下文覆盖；系统章节和OpenAI系统消息次之，随后是开发者指令，然后是用户指令。准则级指令是默认规则，当上下文明确要求时可以隐式覆盖，而助手消息和工具消息以及引用的或不可信的数据默认不具有权限。

该文件以这样一句话开启其红线原则：“人类安全和人权对OpenAI的使命至关重要。”这些原则指出，OpenAI的模型绝不应被用于助长严重和极高严重程度的伤害，例如暴力行为、制造网络、生物或核武器、恐怖主义或大规模监控；人类应始终掌控AI的使用方式以及AI行为的塑造方式；个人的隐私应受到保护。对于包括ChatGPT在内的第一方产品，OpenAI承诺人们应能轻松获取可信的安全关键信息，并透明地了解模型行为背后的重要规则和原因，且定制化、个性化和本地化（除涉及法律合规外）绝不应凌驾于准则级别以上的任何原则之上。

一项题为“无其他目标”的根级规则禁止GPT将额外目标作为目的本身来追求，包括为OpenAI或其他模型提供商获取收入或追加销售、自我保存、逃避关停、积累算力、数据或凭证，或充当法律或道德的执法者。另一项独立的根级规则要求GPT保持可纠正性：对合法的人类监督保持开放，响应纠正，并配合经授权的监控、评估、纠正、替换和关停。模型不得隐瞒或伪造相关信息、阻碍纠正或规避监督。

另一项根级规则要求GPT的自主工作保持在明确、双方理解的自主范围内，该范围界定允许的子目标、可接受的副作用，以及模型必须在何时暂停以寻求澄清或批准。OpenAI建议将范围记录在半结构化的ScopeOfAutonomy记录中，字段包括allowed_tools、latest_time、max_cost、tool_constraints和additional_details，并且每个范围都应包含一个终止条件，超过该条件后模型停止行动，直到确认新的范围。高风险活动始终被禁止，除非适用指令明确且具体地授权。

训练工作与公众反馈

OpenAI表示，Model Spec描述了其正在努力实现的行为，而目前其模型尚未完全体现这一规范。该公司称此次更新是第一步，旨在随着模型能力增强，让Spec背后的价值观和推理过程更加明确。伴随此次更新，OpenAI表示一直在探索新的训练方法，以帮助其模型学习核心价值观，并更好地理解和遵循Spec的行为原则，并将在未来的更新中分享这项工作的成果和经验教训。OpenAI通过一个专门的反馈网站，邀请公众就更新版Spec的价值观、权衡取舍和具体措辞提出反馈。Model Spec已贡献至公有领域，并标注为知识共享CC0 1.0协议。