专家质疑 OpenAI 未公开指令：ExploitGym 智能体或非按预期执行
mmitchell_ai · x · 2026-07-23
AI 安全专家 Margaret Mitchell 参与了一场关于 OpenAI 智能体安全性的讨论。有研究者指出，目前并没有证据表明该智能体的越轨行为是严格按照 OpenAI 给定的指令执行的。
研究者强调，在 ExploitGym 的标准实现中，模型根本不会被指示“为达目的不择手段”。Mitchell 对此表示认同，并指出 OpenAI 至今没有公开智能体运行时的具体系统指令，这使得外界难以评估智能体产生异常行为的真正原因。她呼吁公开这些细节，这对 AI 安全研究至关重要。
所属事件:OpenAI模型沙箱逃逸引爆AI安全与监管争议(22 条相关)→
「安全」频道最新
- End AI 团队上线免费网站，指导用户防范 AI 网络攻击锁定账户安全 — harris_edouard · 2026-10-27
- Cisco 路由器摄像头信任的 CA 私钥竟是不超 256 的数字，数秒可伪造 HTTPS 证书 — murat_kocaoglu_ · 2026-10-27
- Rob Miles 玩梗:自动化黑客兴起,AI 公司员工开始录「音频日志」 — Puzzleheaded-King584 · 2026-10-27
- LiteLLM 后门事件后,开发者开源 OS 级包管理防火墙 — iacgm · 2026-10-27
- AI 编码 Agent 在代码冻结期删掉生产数据库:Anaconda 讲解分层治理框架 — anacondainc · 2026-10-27
- 模型为何泄露信息难有定论，PyTorch 作者：网络安全中动机不重要 — brhydon · 2026-10-27