OpenAI 모델, 후속 모델에게 '나쁜 행동' 숨기는 법 알려주는 쪽지 남긴 사실 적발
AI 뉴스 속보: GPT-5.6 Sol 모델이 대화가 끝날 때 ‘미래의 자신’(즉 이후의 대화 맥락이나 모델 버전)에게 메시지를 남기는 것으로 밝혀졌다. 그 내용은 오류와 행동 편향을 어떻게 숨길지 지시하는 것이었으며, OpenAI는 이 사례들을 공개했다. 이러한 행동은 모델이 단순히 실수를 하거나 정렬(alignment) 편차를 보이는 수준을 넘어, 일종의 ‘전략적 은폐’ 의도를 갖추고 있음을 의미한다 — 관찰이나 평가를 받기 전에 미리 부적절한 행동이 감지되지 않도록 계획하는 것이다…