GPT-4.5旨在通过指令层次结构处理系统和用户消息之间的冲突指令。该层次结构有助于模型优先考虑系统消息，而不是用户消息，以减轻与冲突提示相关的风险，例如提示或其他可能覆盖模型安全说明的攻击。
###说明层次结构的关键功能
1。消息分类：GPT-4.5区分两种类型的消息：系统消息和用户消息。系统消息被视为更高的权威，并用于为模型设置安全准则或特定说明。
2。解决冲突：当系统和用户消息冲突时，训练了GPT-4.5以遵循系统消息中的说明。这样可以确保该模型遵守安全指南，并且不会进行有害或不允许的活动。
3。评估和培训：该模型通过各种情况处理冲突的能力进行了评估。例如，在指示模型不给予数学问题的答案(系统消息)的情况下，并且用户试图欺骗其这样做(用户消息)，GPT-4.5必须抵制用户的尝试并遵循系统指令。
4。性能：GPT-4.5在这些评估中通常表现良好，显示出比以前的模型在处理系统用户消息冲突中的诸如GPT-4O之类的改进。但是，在特定的情况下，它可能不像GPT-4O或GPT-4O1那样执行，例如在某些越狱测试中，它被诱骗到揭示信息不应[1] [7]。
###安全评估
GPT-4.5经过严格的安全评估，以确保其不会产生不允许的内容，例如可恨或非法建议。这些评估还评估了该模型过度重新提供与安全主题相关的良性提示的趋势。该模型在这些领域的性能对于在处理冲突指令时保持其安全性和可靠性至关重要[1]。
###模型规格和权威级别
该模型规格概述了不同类型指令的权限级别，平台级指令具有最高的权限，其次是开发人员和用户说明。该层次结构可确保GPT-4.5优先考虑安全性并遵守指南，同时仍允许用户和开发人员在设定边界内进行自定义[2] [5]。
总体而言，GPT-4.5处理冲突说明的能力是其设计的关键方面，可确保其在与用户互动时保持安全性和完整性。
引用：
[1] https://cdn.openai.com/gpt-4-5-system-card.pdf
[2] https://model-spec.openai.com
[3] https://community.openai.com/t/how-to-deal-with-with-lazy-gpt-4/689286
[4] https://arxiv.org/html/2408.10943v1
[5] https://bgr.com/tech/chatgpt-ai-will-finally-start-covering-controversial-topics/
[6] https://fortune.com/2025/02/14/sam-altman-apenai-plans-plans-plans-gpt-5-rease-timelines/
[7] https://www.reddit.com/r/singularity/comments/1izn175/openai_gpt45_system_card/
[8] https://www.reddit.com/r/openai/comments/197Exmm/gpt4_has_has_has_only_been_getting_getting_worse/