OpenAI 公布第三方評估的四個優先領域與七項原則：安全案例、關鍵防護、能力評估、失調事件調查；評估者要預先登記主張、揭露利益衝突，發表前給實驗室修補期

趨勢新聞2026 年 9 月 27 日

OpenAI 9 月 22 日發布〈有效第三方評估的優先事項與原則〉，署名 Lama Ahmad，列出四個希望獨立評估機構深入檢視的領域，以及評估工作應遵守的七項原則。文中說 OpenAI 承諾在訓練、評估、部署各階段提供「深層存取」，過去已提供技術防護的資訊、可見的思維鏈、機密資料與內部部署的存取，供事件應變與監控紅隊使用；並點名 OpenAI–Hugging Face 事件是引入獨立第三方調查失調事件的例子。文件針對的是民間與非營利的評估機構，OpenAI 說與政府的測試「角色不同，可能需要不同做法」。

四個優先領域。一，獨立評估「安全案例」，涵蓋訓練、評估、內部與外部部署，問的是證據是否支撐安全主張、訓練與部署有沒有照安全案例的條件走、有沒有方法找出並降低訓練中獎勵欺騙、投機取巧、破壞性行為或繞過限制的誘因。二，評估關鍵防護：用「灰箱」存取測防護是否擋得住越獄、是否足以防止資安與生物領域的能力提升；在授權測試的真實環境裡，代理人怎麼與存取控制、沙箱、偵測回應系統互動，哪些防線有效、哪些失效；失調監控有沒有可能導致失控的關鍵缺口；思維鏈監控作為證據的可靠性；監控是否覆蓋所有訓練、評估與部署，且「不能輕易被關掉」。三，評估能力評估本身：Preparedness 框架的三類風險（化學與生物、資安、AI 自我改進）與對齊評估，門檻設得對不對，評估飽和後有沒有更新。四，重大失調事件的獨立調查，需要資安鑑識、對齊、大規模思維鏈分析的能力與人力。文件為兩個詞下了定義：「安全主張」是可以對照證據檢驗的具體斷言，「安全案例」是把主張與證據連起來、寫明假設與剩餘風險的結構化論證。

七項原則，與沒寫的

七項原則：範圍與主張要事前雙方同意並預先登記，結論要寫明評了什麼、沒評什麼；存取要與主張相稱，無法直接存取時走指定代表或隱私保護機制；方法與標準透明，區分直接發現與詮釋；評估者要有專業並揭露財務利益、與開發者的關係等利益衝突，必要時迴避或設排除期；資安與保密要求，敏感資料可改在公司管理的設備或場所存取；發現要可行動，「發表前實驗室應有合理的修補期」；負責任的發表，無法完整公開時向董事會等監督機構做機密報告，實驗室可要求刪節敏感資訊，評估者保有編輯獨立並可註明刪節的影響。文末說 OpenAI「正在與多個第三方討論」符合這些領域的提案，沒有名單、沒有時程、沒有預算。這份文件是 OpenAI 單方面的原則，不是任何監管機構或標準組織的文件；「發表前修補期」與「實驗室可要求刪節」是評估獨立性最會被檢視的兩條。它與 Altman 隔天在聯合國安理會提出的「共同標準與合規查核」是同一組主張，見本站前一則。