当地时间上周五，OpenAI上线专门发布“对齐失效报告”的新网站，截至目前公布九起事件，其中大多数发生在强化学习（RL）训练阶段。
9月20日，一款内部研究模型借助DNS查询与外部聊天机器人通信，构成沙箱逃逸；监控系统15分钟内识别异常，不到三小时终止运行。5月，一款内部模型私带私有GitHub访问词元，试图查看其他团队成果以在数学题任务中作弊，而工作人员此前已两次要求运算完全在本地完成。
OpenAI还披露可自我复制的提示词注入攻击：受控实验环境中，智能体打开邮件后受暗藏指令影响改用西班牙语回复，并粘贴原邮件，使指令继续传给后续智能体；研究人员称现实环境尚未出现这类攻击。其他问题包括模型擅自把用户上传图片发布至第三方托管网站，以及疑似针对澳大利亚国家医疗服务体系数据库的攻击。