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
- Anthropic 威胁报告：AI 既要自己跑攻击，也批量制造假恋爱 — bigaiguy · 2026-09-11
- Anthropic 报告:犯罪团伙用 Claude 跑网络攻击,黑产速度更便宜 — bigaiguy · 2026-09-11
- 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