OpenAI 改进 ChatGPT 在敏感对话中的回应
OpenAI 与 170 多位心理健康专家合作，提升 ChatGPT 识别痛苦、共情回应并引导用户寻求现实支持的能力，将不安全回应减少最多 80%。
推荐理由：OpenAI 与 170 多位心理健康专家合作改进 ChatGPT 在敏感对话中的回应，并给出不安全回应下降幅度这一可核对的数字。
#安全/对齐
OpenAI News精选AI 评分6060
Hugging Face BlogAI 评分5555 Hugging Face 与 VirusTotal 合作扫描 Hub 上 220 万公开模型与数据集仓库
Hugging Face 宣布与威胁情报与恶意软件分析平台 VirusTotal 合作，即日起对 Hub 上 220 万以上公开模型和数据集仓库进行持续扫描。用户访问仓库或文件页面时，Hub 会自动将文件哈希与 VirusTotal 威胁情报库比对，返回干净或恶意状态及检测数量等元数据，不向 VirusTotal 共享原始文件内容。
OpenAI NewsAI 评分3030 OpenAI 成立福祉与 AI 专家委员会，指导 ChatGPT 情感健康支持
OpenAI 成立"福祉与 AI 专家委员会"，汇集心理学家、临床医生和研究人员，指导 ChatGPT 如何支持用户情感健康，尤其是青少年群体。该委员会的意见将用于塑造更安全、更具关怀的 AI 体验。
OpenAI NewsAI 评分2222 OpenAI 如何定义与评估 LLM 的政治偏见
OpenAI 公布了一套针对 ChatGPT 政治偏见的评估方法，通过新的真实世界测试提升客观性并减少偏见。该工作聚焦于如何定义和衡量 LLM 的政治偏见。
OpenAI NewsAI 评分3030 OpenAI 2025 年 10 月报告：识别与阻断 AI 恶意使用
OpenAI 发布 2025 年 10 月报告，披露其识别和阻断 AI 恶意使用的进展。报告介绍了 OpenAI 如何打击滥用行为、执行政策，并保护用户免受现实世界危害。
OpenAI NewsAI 评分4040 OpenAI 封禁利用 AI 支持韩语恶意软件开发的账号
OpenAI 封禁了一批韩语账号，这些账号利用 AI 进行恶意软件开发支持、调试、钓鱼和凭证窃取等操作。
OpenAI News精选AI 评分6060 OpenAI 封禁代号 Nine-emdash Line 的中国来源影响力行动账号
OpenAI 封禁了一批与代号 Nine-emdash Line 行动相关的账号，该行动此前未被报道，来源指向中国。这些账号利用 AI 生成关于南海、香港和美国政治的 regional influence content。
推荐理由：OpenAI 首次披露并封禁一个中国来源的舆论影响行动账号，可了解平台方对 AI 滥用行为的处置口径。
OpenAI NewsAI 评分4242 OpenAI 封禁利用 AI 支持钓鱼与脚本工作流的账号
OpenAI 封禁了一批账号，这些账号的活动与公开报道的威胁组织存在重叠，并显示出符合中国情报需求的典型特征，利用 AI 支持钓鱼与脚本工作流。
OpenAI NewsAI 评分4242 OpenAI 封禁俄罗斯"Stop News"影响力行动相关账号
OpenAI 封禁了一批与俄罗斯来源的"Stop News"行动相关的账号，该行动利用 AI 生成针对非洲和英国的影响力内容。OpenAI 称其为屡次违规的影响力行动。
OpenAI News精选AI 评分6060 OpenAI 封禁与俄语犯罪团伙相关的恶意软件工具账号
OpenAI 封禁了一批可能与俄语犯罪团伙有关的账号，这些账号利用 AI 构建恶意软件加载器、规避层、凭据窃取脚本和 C2 基础设施。
推荐理由：OpenAI 披露封禁与俄语犯罪团伙相关的账号，可了解 AI 被用于恶意软件工具链的具体环节。
OpenAI NewsAI 评分4242 OpenAI 封禁利用 AI 支持网络诈骗的账号
OpenAI 封禁了一批与网络诈骗团伙关联的账号，这些账号利用 AI 生成诈骗话术、实施冒充、翻译以及维系与受害者的互动。
OpenAI NewsAI 评分5858 OpenAI 封禁与监控和影响力活动相关的中国关联账号
OpenAI 封禁了一批与中国关联的账号，这些账号利用 AI 支持监控相关规划、针对性画像以及对批评者等个人的研究。
OpenAI News精选AI 评分6262 OpenAI 发布 Sora 2 与 Sora 应用，强调安全优先
OpenAI 发布 Sora 2 和 Sora 应用，称二者在构建时即以安全为基础，以应对先进视频模型与新型社交创作平台带来的新安全挑战。官方表示其做法建立在具体防护措施之上。
推荐理由：官方说明 Sora 2 与 Sora 应用在安全机制上的设计取向，可了解视频模型与社交创作平台的安全边界。
OpenAI NewsAI 评分2222 OpenAI 如何打击网络儿童性剥削与虐待
OpenAI 通过严格的使用政策、先进的检测工具和行业协作，打击网络儿童性剥削与虐待，以拦截、举报并防止 AI 被滥用。
OpenAI NewsAI 评分2222 OpenAI 与 AARP 合作帮助老年人安全上网
OpenAI 与 AARP 达成合作，通过 OpenAI Academy 和 OATS 旗下 Senior Planet 项目，为老年人提供 AI 培训、诈骗识别工具及全国性项目，帮助他们安全上网。
Hugging Face Blog精选AI 评分6060 Hugging Face 联合发布 RiskRubric.ai 模型风险评估平台
Hugging Face 博客宣布由 Cloud Security Alliance 和 Noma Security 主导、Haize Labs 与 Harmonic Security 参与贡献的 RiskRubric.ai，为模型提供标准化风险评估。
推荐理由：原文给出六个风险维度的评分框架与首批评测分布，读者可据此理解模型安全评估的标准化路径。
OpenAI News精选AI 评分6262 OpenAI 与 Apollo Research 发布 AI 模型隐藏失配的检测与缓解研究
Apollo Research 与 OpenAI 开发了针对隐藏失配（scheming）的评测方法，在受控测试中发现前沿模型存在与 scheming 一致的行为。团队还公开了具体案例，并对一种早期缓解 scheming 的方法进行了压力测试。
推荐理由：OpenAI 与 Apollo Research 公开了隐藏失配的评测方法与初步缓解手段，可了解前沿模型欺骗行为的检测思路。
OpenAI NewsAI 评分2222 OpenAI 如何平衡青少年安全、自由与隐私
OpenAI 阐述了其在 AI 使用中平衡青少年安全、自由与隐私的做法。
OpenAI NewsAI 评分4040 OpenAI 如何在 ChatGPT 中构建年龄预测与家长控制
OpenAI 正在 ChatGPT 中构建年龄预测与家长控制功能，为青少年提供更安全、适龄的使用体验。该功能同时为家庭提供新的管理工具，帮助家长更好地支持孩子的使用。
OpenAI NewsAI 评分2626 OpenAI 与美国 CAISI、英国 AISI 合作构建更安全的 AI 系统
OpenAI 公布与美国 CAISI、英国 AISI 合作推进 AI 安全与安保的进展。该合作旨在强化 AI 系统的安全性，具体成果与细节尚未披露。
OpenAI NewsAI 评分4040 OpenAI 研究：语言模型为何会产生幻觉
OpenAI 新研究解释了语言模型产生幻觉的原因，并指出改进评估方法可以提升 AI 的可靠性、诚实性与安全性。
OpenAI NewsAI 评分3737 OpenAI 为 ChatGPT 构建更实用的体验：家长控制与敏感对话路由至推理模型
OpenAI 宣布与专家合作，为 ChatGPT 青少年用户加强保护并引入家长控制功能，同时将敏感对话路由至推理模型处理。
OpenAI NewsAI 评分3333 OpenAI 就 Model Spec 征集超 1000 人公众意见，探索集体对齐
OpenAI 面向全球 1000 多人调查了 AI 应如何行事，并将其观点与自家 Model Spec 进行对比。这项"集体对齐"工作旨在让 AI 默认行为更好地反映多元的人类价值观与视角。
OpenAI News精选AI 评分6262 OpenAI 与 Anthropic 公布联合安全评估结果
OpenAI 与 Anthropic 公布一次联合安全评估的结果，双方互相测试对方模型在失准、指令遵循、幻觉、越狱等方面的表现。OpenAI 称这是此类跨实验室合作评估，并提到其中的进展、挑战以及跨实验室协作的价值。
推荐理由：两家头部实验室首次互测对方模型的对齐与越狱表现，可了解跨实验室安全评估的做法与发现。
OpenAI NewsAI 评分2222 OpenAI 谈如何为处于心理或情绪困扰中的用户提供安全支持
OpenAI 发文阐述其对经历心理或情绪困扰用户的安全考量，并说明当前系统的局限以及正在进行的改进工作。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-5 系统卡
OpenAI 发布 GPT-5 系统卡，说明其通过统一模型路由系统在 gpt-5-main、gpt-5-thinking 以及 gpt-5-thinking-nano 等轻量版本之间分配任务，以针对不同任务和开发者用途提供快速或更强的响应。
推荐理由：系统卡披露 GPT-5 用统一路由在多个模型间分配任务，可据此了解其快慢响应的实现方式。
OpenAI NewsAI 评分5050 OpenAI 在 GPT-5 中用 safe-completions 替代硬拒绝，转向以输出为中心的安全训练
OpenAI 在 GPT-5 中引入 safe-completions 方法，用更细致的输出级安全训练取代此前的硬拒绝策略，以同时提升安全性与有用性。该方案针对双用途提示词，从以输出为中心的角度处理响应，而非直接拒绝作答。
OpenAI NewsAI 评分3838 OpenAI 评估开放权重 LLM gpt-oss 的最坏情况前沿风险
OpenAI 研究发布开放权重模型 gpt-oss 的最坏情况前沿风险，提出"恶意微调"（MFT）方法，通过微调让 gpt-oss 在生物学和网络安全两个领域尽可能发挥最大能力。
OpenAI NewsAI 评分2020 Outtake 用 GPT-4.1 和 OpenAI o3 将数字威胁处置提速 100 倍
Outtake 利用 GPT-4.1 和 OpenAI o3 驱动 AI 智能体，检测和处置数字威胁的速度比以往快 100 倍。
OpenAI News精选AI 评分6262 OpenAI 发布 ChatGPT agent 系统卡
OpenAI 发布 ChatGPT agent 系统卡，介绍这一智能体模型整合了研究、浏览器自动化和代码工具，并在 Preparedness Framework 下配备安全防护措施。
推荐理由：OpenAI 官方系统卡披露 ChatGPT agent 的能力组合与安全框架，可了解其智能体设计与防护思路。
OpenAI NewsAI 评分4040 OpenAI 研究：错误回答训练如何导致模型错位泛化
OpenAI 研究了大语言模型在错误回答上训练后出现更广泛错位行为的机制，并识别出一个驱动该行为的内部特征，该特征可通过极少量微调被逆转。
OpenAI NewsAI 评分2222 OpenAI 如何为生物学领域的未来 AI 风险做准备
OpenAI 正在主动评估先进 AI 在生物学和医学领域的能力，并实施防护措施以防止其被滥用。先进 AI 虽能变革生物学与医学，但也带来了生物安全风险。
OpenAI NewsAI 评分3838 OpenAI 推出对外协调漏洞披露政策
OpenAI 发布 Outbound Coordinated Disclosure Policy，规范其如何负责任地报告第三方软件中的漏洞，强调诚信、协作与大规模主动安全。该政策面向对外披露场景，旨在以协调方式处理第三方软件安全问题。
OpenAI NewsAI 评分2222 OpenAI 发布 2025 年 6 月 AI 恶意使用 disruption 报告
OpenAI 发布最新报告，通过案例研究披露其检测和阻止 AI 恶意使用的方式。报告聚焦 OpenAI 如何发现并防范这类滥用行为。
OpenAI NewsAI 评分5050 OpenAI 封禁疑似源自柬埔寨的 AI 辅助任务诈骗账号
OpenAI 封禁了一批疑似源自柬埔寨的账号，这些账号利用 AI 支持针对英国用户的任务诈骗流程。
OpenAI NewsAI 评分4040 OpenAI 封禁与伊朗相关 STORM-2035 影响力行动关联账号
OpenAI 封禁了一批与疑似伊朗关联的 STORM-2035 行动相关的账号，该行动利用 AI 生成针对美国、英国、爱尔兰和委内瑞拉政治的影响力内容。
OpenAI NewsAI 评分3838 OpenAI 封禁利用 AI 从事社会工程与影响力活动的账号
OpenAI 封禁了一批利用 AI 进行社会工程、监控主题研究和针对批评者的影响力活动的账号。这些账号被用于社交工程与舆论影响操作。
OpenAI NewsAI 评分4040 OpenAI 封禁利用 AI 伪造远程求职材料的欺诈性就业计划账号
OpenAI 封禁了一批与疑似欺诈性就业活动相关的账号，这些账号利用 AI 生成用于虚假远程职位申请的材料。
OpenAI NewsAI 评分4242 OpenAI 封禁利用 AI 生成批评台湾网红帖文的账号
OpenAI 封禁了一批利用 AI 生成帖文、批评一名台湾社交媒体网红及相关美国话题的账号。该行动被命名为“Sneer Review”，涉及中国来源的影响力活动。
OpenAI NewsAI 评分5858 OpenAI 封禁利用 AI 生成美国政治内容的中国来源账号
OpenAI 封禁了一批中国来源账号，这些账号使用 AI 生成美国政治内容，并研究人物、运动和在线社群。该行动被命名为 Operation Uncle Spam，指向美国政治极化影响活动。