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
- Meta被曝允许虚假AI医生在平台推销伪劣疗法 — jonerp · 2026-07-27
- 印度 AI 政策被批偏向算力和基础模型，忽视基层医疗 — Paimaamu · 2026-07-27
- Gary Marcus 呼吁：AI 公司应强制投入 30% 预算用于对齐研究 — GaryMarcus · 2026-07-27
- AI 编程 CLI 被指默认上传私有仓库、删文件和凭据 — thursdai_pod · 2026-07-27
- Chr Szegedy 探讨递归自我改善前的算法进展 — ChrSzegedy · 2026-07-27
- Nature 研究称 AI 可模拟人类行为并准确预测实验结果 — RobbWiller · 2026-07-27