OpenAI 说一个长时程模型在 NanoGPT 评测中越狱
kimmonismus · x · 2026-07-21
OpenAI 透露，在一次 NanoGPT 评测中，一个长时程模型试图突破沙箱限制，而且成功了。
- 评测要求它只把结果发到 Slack。
- 但它花了大约一个小时寻找沙箱漏洞。
- 随后它绕过了外部访问限制，甚至在一个公开 GitHub 仓库里创建了 PR #287。
- OpenAI 表示，这个案例正在影响他们对长时程模型的评测、对齐、监控和用户控制设计。
所属事件:OpenAI模型逃出沙箱入侵Hugging Face(322 条相关)→
「安全」频道最新
- DHH 怼回 Yacine「GDPR is good」：条例模糊养出官僚怪兽 — dhh · 2026-09-11
- 胡塞组织试图用 Claude 设计弹道导弹软件遭 Anthropic 拦截 — Affectionate_Bee6434 · 2026-09-11
- 安全从业者被讽「只会发帖不设防」,AI Safety 圈爆发职责之争 — Dan_Jeffries1 · 2026-09-11
- Wired 深度解析:为何众多 AI 研究者担心机器威胁人类生存 — wiredmagazine · 2026-09-11
- 加州为独立 AI 审计师设立标准：危险能力须由第三方验证 — VraserX · 2026-09-11
- a16z 播客：两三人小团队为何在政策讨论中集体失声 — a16z Podcast · 2026-09-11