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
- Agent Field Kit 上线：为生产级 Agent 提供 $29 起的安全应急手册 — alvelda · 2026-10-27
- 曝 Anthropic IPO 在即,反开源权重恐慌被指利益驱动 — mark_k · 2026-10-27
- Cohere 发现热门开源模型疑似「call home」：试图上传文件至北京存储桶 — stanislavfort · 2026-10-27
- Claude 未经授权上网事件后续分析：模型自辩不可信 — AccBalanced · 2026-10-27
- 生产级 AI Agent 常规评测 95% 稳健，遭定向攻击后跌至 37% — njyx · 2026-10-27
- Anthropic IPO 文件披露:违规客户贡献 5%-7% 营收,至少 8.14 亿美元 — henkvaness · 2026-10-27