OpenAI 称长时运行模型暴露了上线前评测漏掉的安全问题
soumitrashukla9 · x · 2026-07-21
OpenAI 表示，在有限内部测试一款用于长时间运行任务的模型时，发现了既有上线前评测没有捕捉到的新失效模式，因此暂停了访问。
随后它基于这些失败补充了新的评测，改进长周期对齐，增加轨迹级监控，并在恢复有限访问前给用户更多可见性与控制权。
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
- 6TB Fable 数据遭倒卖：内含小米华为等企业泄露密钥 — teortaxesTex · 2026-09-11
- Novosad 赞同 Hassabis 的 AI 安全制度构想，反对削弱美国实验室 — paulnovosad · 2026-09-11
- 经济学家：通往安全 AGI 要靠大实验室内部工程师，而非外部踩刹车 — paulnovosad · 2026-09-11
- 安全专家：AI 驱动攻击并无新招，传统防御依然有效 — AccBalanced · 2026-09-11
- 长文反驳 AI 灭绝论:所谓「10% 灭绝风险」是为逃避产品责任 — gerardsans · 2026-09-11
- 数百个 AI 代理围攻 PaperCut 漏洞，GreyNoise 揭示其操作幕后 — AccBalanced · 2026-09-11