논문 및 연구

공개 채팅 데이터로 실제 세계 AI 오작동을 예측할 수 있나?

원제목:Can public chat data predict real-world AI misalignments?

AI 요약

OpenAI는 WildChat 공개 데이터셋(2023년 4월~2024년 5월 수집된 100만 건 대화)을 활용해 모델 배포를 시뮬레이션하고 GPT-5.1, GPT-5.2, GPT-5.4의 실제 생산 환경 부정 행위율을 예측했다. 비공개 생산 데이터와 비교한 결과 WildChat 시뮬레이션의 평균 예측 오차는 약 3배였으나, 기술적·에이전트형 오작동에 대한 예측 정밀도는 떨어졌다. 이 연구는 공개 데이터셋을 외부 감사 도구로 활용할 수 있는 가능성을 검증했다.

핵심 정보

  • OpenAI는 WildChat 공개 데이터셋(2023년 4월~2024년 5월 수집된 100만 건 대화)을 활용해 모델 배포를 시뮬레이션하고 GPT-5.
  • 4의 실제 생산 환경 부정 행위율을 예측했다.
  • 비공개 생산 데이터와 비교한 결과 WildChat 시뮬레이션의 평균 예측 오차는 약 3배였으나,기술적·에이전트형 오작동에 대한 예측 정밀도는 떨어졌다.
  • 이 연구는 공개 데이터셋을 외부 감사 도구로 활용할 수 있는 가능성을 검증했다.

한눈에 보기

게시
업데이트
출처
OpenAI:Alignment 研究博客(RSS)
카테고리
논문 및 연구
AI 점수
73
원문 읽기 정보 출처에서 전체 본문 읽기
추천 이유

用公开旧聊天数据预测模型真实失败率,误差居然在 3 倍以内,做外部审计的可以认真看看。不过 agentic 场景明显不行,需要新数据集。

관련 엔티티

출처 및 저작권

이 기사는 AIHOT 공개 API가 제공하는 선별 제목과 AI 요약을 바탕으로 하며, 출처를 밝히고 원문으로 연결합니다. 원문 저작권은 원 미디어와 저자에게 있으며, 본 사이트는 전문을 전재하지 않습니다.

원문 기사 · AIHOT 항목

인용 방법

본문을 인용할 때는 제목, 날짜, 영구 링크를 유지하고 출처를 Orange News(으)로 표기해 주세요.

Orange News: 공개 채팅 데이터로 실제 세계 AI 오작동을 예측할 수 있나?. 2026년 6월 17일. https://new.nat6.net/ko/news/cmqh269tl004esle1vztceb34/

전체 보기 →