OpenAI 研究：公开聊天数据 WildChat 能否预测真实部署中的模型失准

OpenAI Alignment 研究博客发布研究，用私有生产数据验证以公开数据集 WildChat 模拟部署能否预测模型真实失准率。结果显示 WildChat 对 GPT-5.1、5.2、5.4 的预测平均误差约 3 倍，95% 的预测落在真实生产率的 1.04 个数量级内，但六个与智能体相关的失准类别误差明显更大。