评测与实验OpenAI
GPT-5.5 系统卡：用 21 条真实内部对话验证对齐失败监控
OpenAI 在 GPT-5.5 系统卡中称，它用 21 条被标为 3 级严重度对齐失败的真实内部对话验证监控器，召回率为 97.6%，另有 63 条标为 3 级的边界案例。
- 公开日期
- 核对日期
- 原文标题
- GPT-5.5 System Card
详细情况
卡中没有描述这 21 条对话里发生了什么，也没有说明涉及哪个模型或何时发生。“无视用户约束”“过度主动”等类别来自另一项用模拟工具环境重放的评测，那里 3 级比例为 0.01%。这只能说明真实内部使用中出现过 3 级对齐失败，可与 OpenAI 的内部 Agent 监控汇总对照阅读。