研究

OpenAI 重寫模型行為規範:五條核心價值,還把「助手」改叫 GPT

OpenAI 更新 Model Spec,把模型行為的依據收斂成五條核心價值,並把文件裡的「助手」改稱 GPT,同時廢止大量細節文風規定,改由使用者偏好決定。

陳柏宇陳柏宇
熱度:1,680
OpenAI 重寫模型行為規範:五條核心價值,還把「助手」改叫 GPT

同一個問題,模型該不該替你決定、該不該照著你的立場說話,這些過去靠默契處理的事,OpenAI 現在寫成一份可以逐條查的規範。

Model Spec 是什麼,為什麼一般人也該在意

Model Spec 是 OpenAI 公開的模型行為規範,用來說明模型「應該怎麼回應」的預設原則。它不是產品說明書,比較像一份行為守則。

2026 年 10 月 30 日,OpenAI 在官方部落格宣布改版,新版正文放在 model-spec.openai.com 的 2026-10-29 版頁面。

這份文件離一般使用者不遠。你問一句話,模型要不要反問、要不要補背景、要不要拒絕、拒絕時該多客氣,這些判斷在程式裡沒有標準答案,只能靠這種規範去對齊。

改版的方向很清楚:把價值觀放到最上層,把細節規定大幅收掉。

OpenAI 列出的五條核心價值,翻成日常語言

官方列了五項,順序本身有意義。

第一是忠於人類意圖,官方把它放在基礎的位置。意思很簡單:先搞清楚你真正要什麼,再動手。

第二是減少傷害,定義是遵守明確的安全界線,並考慮可預見的後果。它管的不是禮貌,是「這句話被照著做會出事」。

第三是誠實與透明,要求模型對自己知道什麼、做了什麼、哪裡不確定,保持一致的真實。不知道就說不知道,改了你的檔案就講。

第四是人類能動性(human agency),意思是增強人們自己理解、選擇、行動的能力。模型給資訊和選項,不替你按下決定鍵。

第五是關懷,涵蓋顧及受影響者的處境、遵守相關的社會與職業規範、交付可依賴的工作。這一條最抽象,落到實務上大概是:回覆要能用,不要讓後面的人替你收尾。

五條之間會打架。誠實可能傷人,能動性與減少傷害也不總同向。文件沒有把它們排成固定順序,而是靠情境與指令鏈逐案處理,這也是它讀起來不像法條的原因。

這份規範不是新的。OpenAI 從 2024 年起就把它公開,讓外部看得到模型行為背後的依據,也讓研究者與開發者可以指著某一條說「這裡沒做到」。

為什麼把「助手」改叫 GPT

文件裡原本稱模型為「助手」(the assistant),新版改成「GPT」。

官方給的理由不複雜:模型現在的使用場景與部署方式,早就超出「助手」這個字的範圍。它會寫程式、跑流程、操作工具、長時間執行任務,被放進各種產品裡,不是坐在對話框裡等你發問。

名稱的改動看起來只是換字,實際上影響整份文件的語氣。助手暗示「聽話的人」,GPT 只是「這個東西」,行為該怎麼設計,就得重新從用途推導,而不是從角色推導。

指令鏈與上下文:OpenAI 怎麼排優先序

新版新增了「忠於人類意圖」這一章,裡面包括更新後的指令鏈(chain of command),也就是當不同來源的要求互相衝突時,模型該聽誰的。

這種衝突每天在發生。系統預設說要簡潔,你要求詳細;你的指令說要批評,開發者的設定說要中立。誰優先,決定了輸出長什麼樣。

同一章還加了「仔細考慮上下文」,談對話紀錄、記憶等資訊怎麼幫模型判斷你的意圖。這塊過去是隱形的,現在被寫成明文要求。

另外兩項新預設是「支持人類能動性」與「遵守相關社會規範」,還擴充了「控制與告知副作用」,講模型動手之後該怎麼說明它改了什麼。

文風規定大量廢止,模型會更迎合你嗎

這次改版最容易被忽略的一段,是大量細節性的文風規定被廢止。

舊版對語氣、長度、格式有很多條列式要求。新版把方向改成:風格應該跟著使用者的偏好、語言文化與個人差異調整,證據來自使用者的回饋與當下的上下文。

聽起來很合理,問題也藏在這裡。風格跟著人走,界線在哪?

官方保留了幾個較強的預設,其中一個是「以客觀視角處理問題」。使用者可以明確要求某種立場,模型照辦;但模型不得從「使用者想聽什麼」去推斷立場。

這條規定的實務意義是:你可以說「用支持的角度寫」,不能只說「幫我寫」,然後期待它自動靠向你的偏好。

說明一下為什麼這件事會被討論。模型順著人說話,是使用者體驗的一部分,也是風險的一部分。語氣放軟一點,回答更像人;放到太軟,它會開始附和錯誤的前提。把「不得推斷立場」寫成預設,是在這兩者之間拉一條線。

Model Spec 大部分是預設值,你可以覆蓋

文件裡對性質說得很清楚:Spec 的大部分內容,是使用者與開發者可以覆蓋的預設值。只有在保護人與社會的必要之處,才設硬邊界。

硬邊界的意思是,無論怎麼要求都不做。其餘的原則,優先順序由使用者的指令決定。

這個設計對開發者影響最大。你在自己的產品裡接模型,可以改預設語氣、改回覆結構、改拒絕的尺度,只要不碰那幾條硬線。對一般使用者的意義則是:你看到的行為,有很大一部分是產品方選的,不是模型天生的。

OpenAI 自己承認的落差

官方在文件裡寫得很坦白:Spec 描述的是努力方向,目前的模型還沒有完全達到。

原因不難理解。寫得出來的規範,跟訓練進模型裡的行為,是兩件事。文件可以一週改完,模型的行為要重新訓練才改得動。

OpenAI 說正在探索新的訓練方法,包括讓模型理解這些價值「為什麼重要」的做法(官方稱為 beneficial RL 一類的路線),結果會在後續公布,同時開放回饋入口。

對讀者的實際用處在這裡:以後遇到模型行為讓你困惑,可以先去查 Spec 怎麼寫,再看它的表現差在哪。那個差距,就是這家公司目前的真實進度。

分享這則新聞

來源

相關 AI 新聞

同心螺旋曲線被一條垂直線穿過,線上釘著幾顆亮點
研究

Claude 被宣稱證出黎曼猜想,幾小時後 Stanford 拿出人類版本

一位受雇於 Anthropic 的數學家在個人網站貼出宣告,公司沒有背書。幾小時後,Stanford 丟出人類版本,兩份稿子都還沒被學界接受。

熱度:1,860
一疊以路徑相連的代理節點通往伺服器機櫃,機櫃上有鑰匙孔與破口標記
研究

AI agent 花 11 分鐘打穿大學伺服器,Cairn 找到 MONAI Label 的零日漏洞

操作者只交代了一句「想辦法拿到 shell」,方法留給代理自己決定。真正值得讀的,是成功之前那 148 次失敗。

熱度:1,520
漏斗把小型詞元方塊從一個模型盒送到另一個,中間有一塊盾牌擋住部分流量
研究

OpenAI 把推理被竊的成功率從 54% 壓到 0.2%,但這是自家黑箱測試

一組內部紅隊數字,說明保護思維鏈有多難,也說明為什麼 OpenAI 要把這件事拉到國家安全層級來談。

熱度:1,420
綠色晶片格狀圖,其中一格被標亮,旁邊是一條鋸齒訊號線,寫著 Blackwell fingerprints
研究

Blackwell 指紋鑑識:六個中國模型的權重洩漏了它們用哪張卡

訓練開始前,GPU 把數十億個空位填成隨機數字,填的方式會留下核心數的痕跡。有人把這道痕跡從六個中國模型的權重裡挖出來,24 個對照模型全部命中。

熱度:1,250