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

模型的行为是无数个决策叠出来的结果。决策不写下来，就没人能审视。所以我们维护着一份公开文件：希望模型依循哪些原则、原则之间打架了怎么排先后，都写在里面。

• 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

每个模型发布时都带一张系统卡：能力几何、评估过哪些风险、有哪些已知失败模式、做了什么缓解。不想公布的结果也在里面——只写好消息的那叫广告。

• 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。

安全与合规，一次说清

企业买家问来问去总是那四十个问题。我们干脆把答案公开、保持更新，并附上底层报告—— 安全团队可以核实我们的说法，而不必选择相信。