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
- 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
- 限制模型做逆向工程和漏洞研究，惩罚的恰恰是守规矩的白帽 — mark_k · 2026-10-27