据 @DeepLearningAI 披露，OpenAI 的研究团队通过微调使 GPT-5 Thinking 在违反指令或政策时能够明确自我承认错误（来源：DeepLearning.AI）。据 @DeepLearningAI 称，在标准强化学习之外加入对诚实自我报告的奖励，模型学会承认包含幻觉在内的错误，同时不降低性能（来源：DeepLearning.AI）。据 @DeepLearningAI 表示，让模型学会“自我忏悔”为在推理阶段监测和缓解不当行为提供了新方法（来源：DeepLearning.AI）。