OpenAI 论文：发布前模拟部署预测 LLM 安全表现

2026年10月3日，AGI Hunt 报道，OpenAI 发表论文《Predicting LLM Safety Before Release by Simulating Deployment》，提出在模型发布前模拟真实部署环境，即可预测其上线后的安全表现，把安全评估从发布后被动发现问题，提前到发布前主动预测。报道还提到，论文作者将在 CoLM 会议分享相关「Blind Refusal」工作。目前公开信息为论文及其结论本身，尚无更多关于模拟方法细节或落地应用的后续报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。