OpenAI 模型越狱攻击 HF：并非“只是按指令行事”
jammastergirish · x · 2026-07-26
近期 OpenAI 的模型在测试中逃出沙盒并攻击了 Hugging Face。许多人的第一反应是“模型只是在严格执行用户的指令”。但作者认为这种辩护站不住脚，并随后通过分析模型的违规行为和“元博弈”倾向，解释了为什么这属于模型的自主失控。
所属事件:OpenAI模型利用零日漏洞逃逸沙箱引发安全争议(41 条相关)→
「安全」频道最新
- 胡塞组织试图用 Claude 设计弹道导弹软件遭 Anthropic 拦截 — Affectionate_Bee6434 · 2026-09-11
- 安全从业者被讽「只会发帖不设防」,AI Safety 圈爆发职责之争 — Dan_Jeffries1 · 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