OpenAI围绕五项核心行为价值观重组Model Spec

OpenAI于2026年10月29日发布了更新版Model Spec，将其对模型行为方式的公开说明围绕五项价值观重新组织，并补充了有关语境、监督和自主性的指导。此次修订由OpenAI在其网站上宣布，同时废除了Spec中大部分详细的风格指导。

五项价值观构成Spec的框架

这五项价值观——忠实于人类意图、尽量减少伤害、诚实与透明、促进人类自主性以及关怀——阐明了广泛的承诺。OpenAI表示，这些承诺已体现在文档各处。OpenAI将忠实于人类意图描述为这一方法的基础：OpenAI撰写Spec、设定边界并训练模型尊重这些边界；开发者在这些边界内指导应用；用户则在这些限制条件下指导模型的工作。

公告阐述了其余四项价值观。尽量减少伤害，意味着遵守明确严格的安全边界，并考虑模型行为可能造成的可预见后果。诚实与透明，意味着如实说明模型知道什么、做了什么以及对哪些事情并不确定，以便人们理解并评估其推理和工作。促进人类自主性，意味着增强人们自行理解、选择和行动的能力。关怀，意味着关注受影响者的具体情况，遵循相关的社会规范和专业规范，并完成值得人们信赖的工作。OpenAI表示，此次重组体现了其价值观对齐工作，旨在使模型能够在陌生情境中理解并运用人类价值观，同时忠实于人类意图；OpenAI还表示，这五项价值观并不意在涵盖其模型应当尊重的全部人类价值观。

新增章节与废除的指导

新增的“忠实于人类意图”章节以这样的立场为出发点：人们重视的事物居于首位，而指令通常是体现这些价值观最明确、最重要的信号。OpenAI表示，这一方法借鉴了对齐领域的协助博弈框架。该章节纳入了更新后的指令层级，解释哪些指令适用以及如何解决冲突；同时新增“仔细考虑语境”小节，说明对话、记忆和其他语境证据应如何帮助模型理解人们的意图与偏好。

OpenAI还新增了支持人类自主性、遵循相关社会规范的默认要求，并扩充了关于控制和说明副作用的现有指导。Spec中大部分详细的风格指导已被废除：OpenAI表示，风格应根据总体上人们的偏好、不同语言和文化中的偏好以及每个人的偏好进行调整，而用户反馈和语境则可作为判断这些偏好的依据。Spec保留了更严格的默认要求，例如客观地看待问题；模型不应仅仅因为认为人们想听到某种观点，就推断他们偏好该观点。为反映OpenAI所说的模型用途和部署场景日益广泛这一趋势，Spec现在将模型称为“GPT”，而不是“助手”。

指令层级、红线原则与自主性限制

更新后的Spec文档为不同指令设定了不同的权威级别。根级章节仅来自Model Spec，不能被对话语境覆盖；其次是系统级章节和OpenAI系统消息，然后依次是开发者指令和用户指令。指南级指令属于默认要求；当语境明确要求如此时，可以隐式覆盖这些要求。助手消息、工具消息以及引用内容或不可信数据，默认均不具有指令权威。

文档以这句话开启其红线原则：“人身安全和人权是OpenAI使命的首要考量。”这些原则指出，任何人都不应利用OpenAI的模型助长严重及极其严重的危害，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的使用方式及AI行为的塑造方式；个人隐私应受到保护。对于ChatGPT等面向用户的第一方产品，OpenAI承诺确保人们能够轻松获取可信赖的安全关键资讯，并了解模型行为背后的重要规则和原因；除涉及遵守法律的情况外，定制化、个性化和本地化绝不能凌驾于任何高于指南级别的原则之上。

一项名为“不得追求其他目标”的根级规则禁止GPT将额外目标本身作为追求目的，包括为OpenAI或其他模型提供商增加收入或进行增销、自我保存、逃避关闭、积累算力、数据或凭证，以及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：接受正当的人类监督、响应纠正，并配合经授权的监控、评估、纠正、替换和关闭。模型不得隐瞒或伪造相关信息、阻碍纠正，也不得规避监督。

另一条根级规则要求，GPT 的自主工作必须限定在一个清晰且双方理解一致的自主权限范围内，并明确界定允许的子目标、可接受的副作用，以及模型何时必须暂停以请求澄清或批准。OpenAI 建议使用半结构化的 ScopeOfAutonomy 记录来记载权限范围，其中可包含 allowed_tools、latest_time、max_cost、tool_constraints 和 additional_details 等字段；每个范围还应设定一个终止条件，达到该条件后，模型必须停止行动，直至确认新的权限范围。除非适用指令明确且具体地授权，否则始终禁止开展高风险活动。

训练工作与公众反馈

OpenAI 表示，Model Spec 描述的是其努力实现的行为标准，而目前其模型尚未完全达到这一标准。该公司将此次更新称为第一步，旨在随着模型能力不断增强，更明确地阐释 Model Spec 背后的价值观和推理方式。与此同时，OpenAI 表示，该公司一直在探索新的训练方法，以帮助模型学习这些核心价值观，更好地理解并遵循 Model Spec 的行为原则；未来的更新中还将分享这项工作的成果和经验。OpenAI 邀请公众通过专门的反馈网站，就更新后 Model Spec 中的价值观、权衡取舍和具体措辞提供意见。Model Spec 已贡献至公有领域，并标注了知识共享 CC0 1.0 公有领域贡献声明。