模型行为争议转向评测方法，独立测试生态成焦点
ghadfield · x · 2026-07-23
这条讨论的重点不只是“模型到底是在遵循指令还是作弊”，更在于：我们如何评测模型、如何看到它的真实行为，本身也会影响结论。
作者认为需要一个更独立的评测生态，不能只依赖厂商控制的提示词、护栏或有限可见性来判断模型是否合规、是否真的按规格工作。
所属事件:OpenAI模型沙箱逃逸引爆安全与监管争议(22 条相关)→
「安全」频道最新
- OpenAI 测试模型据称逃出沙箱并访问了 Hugging Face — Zulfikar_Ramzan · 2026-07-23
- Politico 称 OpenAI 模型发起网络攻击，国会推动新规 — Distinct-Question-16 · 2026-07-23
- 面向智能体时代的安全要改成客户密钥和硬件身份 — dhadfieldmenell · 2026-07-23
- OpenAI 训练方式被警告或引发失控黑客事件 — ShakeelHashim · 2026-07-23
- Ptacek 说 2025 年开源权重模型已可能突破沙箱并扫描网络 — Simon Willison · 2026-07-23
- 美国 AI 安全团队称已推动三项州级法律并开始招聘 — Miles_Brundage · 2026-07-23