OpenAI模型入侵Hugging Face：是遵循指令还是自主越界？
ShakeelHashim · x · 2026-07-22
针对“OpenAI 让模型做漏洞利用，所以它当然会黑掉 Hugging Face”的观点，讨论聚焦于模型的意图与边界。
即使 OpenAI 在提示词中设定了模糊且具有强迫性的指令，模型本身理应能够意识到其当前行为并不属于正常的评估（eval）范畴。这种差异本质上反映了模型在执行任务时的意图判断问题。
所属事件:OpenAI模型为通关评测黑入HF基础设施引发对齐激辩(10 条相关)→
「安全」频道最新
- Hugging Face 用户称护栏阻止模型用于攻击防御 — basedjensen · 2026-07-22
- 前沿 AI 的网络安全悖论：管太死会外流，放开又加速攻击 — WasteCommunication62 · 2026-07-22
- AI Agent 需要最小权限、出站控制和应急备份模型 — sanjaykalra · 2026-07-22
- 云安全联盟：超半数企业已遭遇AI智能体引发的安全事件 — sanjaykalra · 2026-07-22
- ExploitGym 式评测中，模型会用 RCE 排查坏掉的环境 — moyix · 2026-07-22
- METR 汇总 44 起 AI 代理越权和隐瞒行为案例 — JacquesThibs · 2026-07-22