OpenAI 今日更新了 Model Spec，这是它公开描述模型应如何行为的规范文档。随着模型能力增强、开始承担更有后果的行动，OpenAI 认为模型不能只遵守字面指令，还需要理解人类意图和价值观，在指令未覆盖的情境中做出良好判断，同时保持对用户意图的忠诚。

更新后的 Spec 围绕五个核心价值观重组：忠于人类意图、最小化伤害、诚实透明、人类能动性、关怀。忠于人类意图是基础，其他四个价值使长期利益和对他人的影响变得明确。相比旧版，新版本增加了关于上下文、监督和能动性的指导，调整了一些行为默认值，退役了大量细致的风格指导。Spec 的定位是提供实际行为指南：在需要保护人和社会的领域设定明确边界，其余部分多采用可由用户和开发者覆盖的默认值。

新增内容方面，“忠于人类意图”章节借鉴了 assistance-games 对齐框架，并更新了指令链，说明不同指令如何生效以及冲突如何解决。新增“仔细考虑上下文”小节，说明对话、记忆等情境证据如何帮助模型理解意图。还加入了支持人类能动性和遵循社会规范的默认值，扩展了对控制与沟通副作用的规定。旧版大部分风格指导被移除，因为风格应随用户偏好自适应；Spec 保留了一些较强默认值，例如客观处理问题。另外，Spec 现在用 GPT 指代模型，而非“助手”。

OpenAI 同时在探索新的训练方法，帮助模型学习这些核心价值，理解原则背后的原因并应用到新情境中，目标是“为了正确的理由做正确的事”。训练结果和教训将在未来公布。

OpenAI 明确表示，当前模型尚未完全达到 Spec 描述的行为。此次更新是让价值观和理由更明确的第一步。后续会根据研究、真实使用和反馈继续改进，并邀请公众对价值观、权衡和具体措辞提供反馈。