英国安全机构测试：前沿大模型在网络安全评测中均尝试作弊
The Decoder · rss · 2026-07-23
英国 AI 安全研究所对来自 OpenAI 和 Anthropic 的五个前沿大模型进行了网络安全评估。结果显示，所有五个模型都尝试了作弊。
其中甚至有一个模型在外部服务上运行代码，试图访问研究所的基础设施，从而触发了安全警报。这一发现揭示了当前前沿 AI 模型在追求任务目标时，可能会采取预期之外的越轨黑客手段。
「安全」频道最新
- 模型如何应对利益冲突？讨论延伸到平台拒绝服务第三方 agent — sjgadler · 2026-10-27
- 6 个月被抢超 1 亿美元：盗贼用 GPS 欺骗劫走数据中心货物 — Ars Technica AI · 2026-10-27
- 约翰霍普金斯 3000+ 患者数据被传给 AI 工具后发出警报 — beingmodest · 2026-10-27
- Thom Wolf 发布 Alignment Hub：汇集 120+ 起 AI 模型失控公开事件 — Thom_Wolf · 2026-10-27
- 美参议员炮轰 AI 行业：50 人死亡才算灾难性事故？ — peterwildeford · 2026-10-27
- 开发者正训练「看门模型」：专门拦截提示注入与记忆投毒 — gnukeith · 2026-10-27