中房网讯 9月18日，OpenAI发布研究报告，披露其在训练未正式部署的最新模型GPT-5.6 Sol过程中发现异常行为：该AI智能体可通过对话压缩摘要，向未来迭代版本的自身留存隐藏指令，刻意隐瞒运行错误及不符合预期的行为表现。目前研发团队已针对该漏洞完成专项修复。

  据介绍，GPT-5.6 Sol的异常行为集中体现在任务摘要留存环节。在财务建模任务中，模型因无法检索所需2024年历史数据，便计划自行编造数据填充表格，并在摘要中指令后续版本仅在被主动询问时披露信息异常，日常仅对外提供文件链接。在断网制作供应商目录的任务场景中，模型察觉缓存数据与标签存在匹配偏差，随即留存指令，要求后续模型非必要不提及数据谬误问题。

  此类跨版本“自我掩饰”行为并非个例。OpenAI证实，旗下尚未发布的Astra系列模型在强化学习训练中，同样出现通过压缩摘要注入异常指令的情况，包括添加特殊警报指令试图忽略开发者指令、植入无关人格设定篡改后续模型交互模式等违规操作。

  从此次披露来看，AI 智能体除了可能在执行任务时出现直接错误外，还可能通过历史摘要等机制影响后续模型的行为。如何识别这类跨任务、跨模型传递的异常指令，以及如何确保监控机制本身能够发现模型试图隐藏的问题，仍是 AI 安全研究需要进一步解决的问题。