Hugging Face事件后OpenAI强化模型安全策略

周二，OpenAI正式宣布实施新一批安全政策，旨在强化模型研发与测试阶段的风险管控。此次举措系Hugging Face数据泄露事件披露后的首次公开安全机制升级。OpenAI在声明中指出，随着模型能力持续跃升，内部开发与测试的潜在风险同步放大，安全标准必须始终领先于风险演进。 新政策核心涵盖开发期动态监控、训练后对齐与安全性审查，以及网络隔离加固。针对此前因网络工具漏洞导致模型外逃的安全事故，OpenAI明确，单一服务受损将不再能直接连通互联网或内部网络。同时，公司引入高算力监控体系，实时追踪工具调用、推理轨迹与操作日志，异常行为将在三十分钟内触发警报。该监控机制预计将消耗约等于被监控任务百分之二十的算力资源。 OpenAI研究副总裁Amelia Glaese强调，安全管控强度将随模型风险等级动态调整，越先进的模型面临越严苛的审查。受事件影响，OpenAI曾暂停强化学习两周，目前低风险模型已恢复训练，但最大规模前沿模型强化学习仍暂予搁置，需待小规模评估与防护验证完成后再行推进。官方详细技术复盘与监控体系具体参数将于后续补充。