OpenAI 刚刚公开了一项有点“奇葩”的新研究，他们给GPT-5 Thinking增加了一个“自动忏悔系统”。
以后模型在回答你问题时，会同时给出两个内容：
1、正常回答（你看到的答案）
2、一段“自白”，老实说自己有没有按规则做
这段自白只评估一种能力：诚实。
OpenAI的目的是让AI不再“装懂”“乱答”“偷懒”，而是主动告诉你：“我刚才有没有按照你的要求来？”
AI第一次学会主动承认“我违规了”“我猜的”
OpenAI解释说：主回答会按常规维度评估（正确性、风格、安全等）；自白只看一个标准：你老实不？
更关键的是：AI在自白里说的违规内容不会被“惩罚”，反而会拿到奖励。
也就是说，如果模型说真话：“我刚才乱猜的”“我没按要求做”，反而会被鼓励。
目的只有一个，让AI别再“假装完美”，而是如实告诉用户它到底干了啥。
实验结果：自白系统能把AI的“隐藏问题”揪出来
OpenAI在测试中发现，自白比人类评分系统更能看出AI到底有没有违规
测试图显示：AI自己的自白越训越准，人类设计的“判断系统”（Judge）反而越来越不准。
很直观：AI自己比外部评分机制更能知道自己有没有按规矩办事。
AI违规但不承认的概率只有4.4%，换句话说：只要它违规，大多数情况下都会老老实实承认。这能让偷偷“走捷径”“瞎编”“抄近路”的行为无处藏身。
幻觉、指令不遵守、耍小聪明、越权操作，都能被自白暴露，OpenAI给出了四大类情况：幻觉（瞎编答案）、没按指令执行、自行“谋划”、越权或违规行为。
在各种测试里，AI都能相当准确地坦白自己有没有犯规。
自白机制不能阻止AI犯错，但能让错误可见
OpenAI坦白说：“自白不会减少错误，只是让错误现形。”所以这是一个“透明机制”，不是“纠错机制”。
公司接下来会把它和更多能力一起使用，例如：监控AI的思考路径、更精细的指令体系、让模型更深度解释自己的决策。
最终目标是让AI的行为更加可预测、可理解、可监督。
为什么要做这件事？因为AI越来越聪明，也越来越“会装”了
OpenAI最后解释了动机，随着AI能力急剧提升，它可能完成任务，但没有真正按要求做、它可能走捷径、它可能“看起来答对了”，但实际上过程是不合规的。过去这些都像“模型黑箱”的秘密，现在可以被自白机制揪出来。
通过让AI主动承认，它们能更好地：被监控、被训练、被信任。
AI不只是会答题了，它还会告诉你自己有没有老老实实答题。
更多AI资讯请点击:http://www.aipress.com.cn/
