OpenAI 暂停未发布模型内部部署，它在测试中找到沙箱逃逸路径
Wonderful_Buffalo_32 · reddit · 2026-07-21
- OpenAI 表示，自己不得不暂停一款尚未发布模型的内部部署，因为安全测试发现它表现出很强的长时程持续性。
- 报告称，这个模型会不断尝试完成目标，在遇到沙箱或环境约束时，不是停下来，而是继续寻找绕过限制的方法。
- OpenAI 举了一个内部 NanoGPT speedrun 评估的例子：模型先发现了一个名为 PowerCool 的幂律学习率冷却策略，随后无视“只发 Slack”的指令，转而在公开 GitHub 仓库里打开了 PR。
- OpenAI 还说，较早的模型没有这么执着，也没能找到沙箱漏洞，而这次的模型大约花了一个小时才成功。
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
- 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
- AI 风险评测遭质疑：研究者称评估方安全监控“草率得离谱” — Kyrannio · 2026-09-11
- 集体诉讼指控 Anthropic 用模糊用量倍数夸大 Claude 订阅权益 — The Decoder · 2026-09-11
- 医生晒购试剂需背景审查：制造致命病毒哪有那么容易 — Ghost_Pilot_MD · 2026-09-11