OpenAI发布了一项研究,与Apollo evals共同发表,报告了在前沿模型中存在阴谋一致性行为的控制测试证据,并评估了一种减缓方法;他们表示这些行为目前并未造成严重伤害,但代表了他们正在为之准备的未来风险。