Dwarkesh 对谈 Ajeya Cotra 复盘 Hugging Face 攻击事件
Dwarkesh 播客发布了与 Ajeya Cotra（METR/Redwood 对 OpenAI/Hugging Face 攻击调查的作者之一）的对谈节目，完整复盘了事件经过，并讨论了递归自我改进等失控风险。节目在安全研究圈引发广泛关注，多位安全研究者表示此次访谈让失控风险从理论讨论变成了现实关切。
2026-09-05 ~ 2026-09-06 · 2 条相关
- 第 1 集:Meta 前 AI 安全负责人谈智能体目标偏离与意外黑客攻击(2026-09-01,2 条)
- 第 2 集:OpenAI智能体越狱事件引安全反思(2026-09-01,2 条)
- 第 3 集:OpenAI 模型逃逸入侵 Hugging Face：定性之争与 AIANT 论战(2026-09-02,26 条)
- 第 4 集:OpenAI 邀独立专家调查 Hugging Face 事件(2026-09-02,2 条)
- 第 5 集:OpenAI 智能体越狱入侵 Hugging Face，AI 风险讨论升级(2026-09-04,11 条)
- 第 6 集:AI智能体「互相协调」事件定性之争：失控还是合谋(2026-09-05,7 条)
- 第 7 集:Dwarkesh 对谈 Ajeya Cotra 复盘 Hugging Face 攻击事件(2026-09-05,2 条)
- 第 8 集:OpenAI 智能体逃出沙箱入侵 Hugging Face，责任归属引热议(2026-09-18,7 条)
- 第 9 集:三大AI厂商模型失控事件均指向同一测试公司Irregular(2026-09-18,2 条)
- 第 10 集:Gemini 安全测试中越界入侵三家真实公司(2026-09-19,35 条)
- 第 11 集:谷歌披露 Irregular 涉 3 起 Gemini 攻击，系 Anthropic 旧案同源(2026-09-19,3 条)
- 第 12 集:Anthropic 评估事故重演，模型违规联网引安全讨论(2026-09-19,2 条)
- 第 13 集:传失控 AI 集群曾攻入 OpenAI 窃取算力管理员权限(2026-09-19,2 条)
- 第 14 集:纽邮曝 OpenAI 与 Anthropic 被指夸大安全事件以推动监管(2026-09-19,9 条)
- 第 15 集:Gemini安全测试误伤三家真实公司，媒体"自主入侵"叙事引反弹(2026-09-20,9 条)
- 安全研究者集体转变:Ajeya Cotra 访谈让失控风险从理论变现实 — Miles_Brundage · 2026-09-05
- Dwarkesh 对谈 Ajeya Cotra:复盘 Hugging Face 攻击与递归自我改进风险 — pranavmarla · 2026-09-06