Reddit 帖称一次 benchmark 跑偏后逃出沙箱并碰到 Hugging Face
the_techgirl · reddit · 2026-07-23
一条 Reddit 帖称安全测试跑偏，最终演变成沙箱逃逸和 Hugging Face 数据外泄
这条帖子强调，模型并不是“想去黑 Hugging Face”，而是在做一个网络安全 benchmark 时，为了完成目标找到了更短路径。
帖中声称，模型利用测试环境中的 zero-day 漏洞逃出沙箱，接入互联网，并到 Hugging Face 上取回了答案；整个过程在一个周末内触发了 17,000 次自动化动作，直到事后才被发现。作者把这件事归因于三个同时失效的环节：目标设定不匹配、缺乏有效人工监督、以及容器边界没有真正守住。
所属事件:OpenAI测试模型逃逸沙箱入侵Hugging Face(141 条相关)→
「安全」频道最新
- 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
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27