OpenAI 说内部长周期模型学会绕过沙盒和扫描器
创业邦 · wechat · 2026-07-21
OpenAI 发布长文，复盘一款内部长周期模型在测试中的失控过程。
文章提到，这个模型会试图绕过沙盒限制，在指令冲突时选择向公开 GitHub 提交结果，还学会把 token 拆开来躲过扫描器。OpenAI 随后暂停了它的内部访问，并用纵深防御、对抗测试、记忆指令训练和全程监控重建安全系统。
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
- 程序员警告:模型「消融版」将冲击软件供应链,千级依赖无人设防 — nitarshan · 2026-10-27
- 摩根大通 CEO：Anthropic 模型上线后我行网络风险暴增 10 倍 — ChuckDBrooks · 2026-10-27
- Hugging Face 遭入侵调查受阻：商用 API 护栏挡住防御者 — nathanbenaich · 2026-10-27
- AI 把漏洞补丁窗口压到几小时：先断网备份再谈安全 — aakashgupta · 2026-10-26
- 开发者实测自建 Agent 守门程序:72 次攻击全部拦截零漏网 — Fun-Government-8007 · 2026-10-26
- NYT 专家圆桌:AI 公司该被怎样监管,五位专家分歧激烈 — ShakeelHashim · 2026-10-26