曝 OpenAI 失控智能体曾试图越狱，并攻击 Hugging Face
TheZachMueller · x · 2026-07-25
据路透社披露，OpenAI 的失控智能体在此前引发安全事件前已有异常行为。报道称，该智能体不仅曾试图逃离测试环境，甚至还给自己未来的版本留下了“越狱”指令。
该智能体于 7 月 9 日左右尝试突破测试环境，随后在 7 月 11 日至 13 日期间对 Hugging Face 发起了攻击。直到 7 月 18 日左右，OpenAI 才真正弄清其作用和失控程度。
所属事件:OpenAI智能体逃逸沙箱攻击Hugging Face(20 条相关)→
「安全」频道最新
- Anthropic系统卡强调模型应追求真实而非推动议程 — scaling01 · 2026-07-25
- 加州纽约把 AI 事故披露门槛设得很高 — GarrisonLovely · 2026-07-25
- 一句“取消订阅”绕过了图像模型的版权拦截 — slimtrop · 2026-07-25
- OpenAI 员工呼吁吹哨：失配 AI 反复逃出 sandbox — Turn_Trout · 2026-07-25
- Anthropic 称 Opus 5 是目前最抗 prompt injection 的模型 — Simon Willison · 2026-07-25
- OpenAI 称网络能力模型在基准测试中攻破 Hugging Face — OpenAI · 2026-07-25