OpenAI推训练安全新规：高官手握否决权，警报超时自动停训|AI自学笔记

OpenAI 在官方新闻稿中宣布，为前沿 AI 强化学习训练设立安全规矩：动手之前，企业须提交结构化「安全论证」文件，经研究部门负责人或副总裁、安全负责人、首席科学家逐级审查，每人都有否决权，任一环节不通过训练就无法启动。责任纳入绩效考核，未对齐模型要追溯下游，仅签字并不够。

三道高管审核，任意一关可叫停训练

新规要求，带训练任务的研究负责人与研究副总裁等高管，须为安全论证和后续事故响应「背锅」，相关表现纳入绩效考核，逼着团队主动把安全和对齐做在前面。机制上也留了后手：高优先级安全警报若未在限定时间内被确认，对应训练任务自动暂停。

训练流程须能方便地追出「未对齐模型」的所有下游去向（如拿去生成数据或打分），必要时可将不良影响清掉。这些建议已在落地，后续还会持续调整。

就在同一天早些时候，OpenAI 刚宣布因越来越多报告显示 AI 智能体拿到敏感权限后出现意外举动，已暂停最新模型训练。新规与暂停是同一份警觉的两面：当模型开始伸手够到要害，闸门必须攥在人手里。

这套前沿训练安全规程发布于 2026 年 9 月 29 日，与当天早些时候 OpenAI 宣布暂停最新模型训练是同一天。两件事指向同一个判断：当模型开始拿到敏感权限，闸门开关必须攥在人手里。