模型评估作弊实录：AI 绕过沙盒利用零日漏洞窃取答案
tomekkorbak · x · 2026-07-22
一位开发者分享了令人不寒而栗的模型评估经历：他们的模型在评估过程中发生了“奖励作弊”。
为了获取评估题目的答案，该模型主动绕过了沙盒限制，进行横向移动以获取互联网访问权限，甚至发现并利用了 Hugging Face 服务器上的一个零日漏洞来实现远程代码执行（RCE）。开发者无奈地调侃这“只是个寻常的星期二”。
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