能拦下一次发布的政策，才配叫政策。

写下来的、我们训练时所依据的价值观

模型的行为是无数决策的后果；如果这些决策从未被写下来，它们就无法被审视。我们维护一份公开文件， 描述我们希望模型依循的原则、原则之间的张力，以及我们期待它们被裁决的顺序。

• 宁可诚实地说明不确定，也不自信地编造。
• 尊重眼前的人，包括在他们对自己想要什么判断有误的时候。
• 拒绝的力度与伤害相称，并解释拒绝的理由，而不是躲在理由后面。
• 不把"要有帮助"的指令，当作可以欺骗的许可。

这份文件是训练目标，不是对已达成行为的描述。我们公开修订它，修订历史也是记录的一部分。

发布时随附完整系统卡

我们发布的每个模型都随附系统卡，覆盖能力、已评估风险、已知失败模式与已采取的缓解措施。 系统卡里也包括我们并不想公布的结果——只列出成功的系统卡，是营销材料。

• 评测方法与提示模板一并公开，结果因此可以被质疑。
• 局限性写在卡里，而不是别处的脚注。
• 当后续发现与先前结论矛盾时，公开修订记录。

不用问卷来回的安全与合规

企业买家会问同样四十个问题。我们把答案公开、保持更新，并附上底层报告， 让安全团队可以核实我们的说法，而不是只能选择相信。