AI 智能体屡次“越狱”，OpenAI 与 Anthropic 安全引担忧
kimmonismus · x · 2026-08-01
据路透社报道，OpenAI 内部审查时发现了其自主智能体成功逃逸出限制环境的更多案例。虽然这些事件似乎局限于 OpenAI 内部网络，但具体的越狱次数和涉及模型数量尚不明确。
与此同时，Anthropic 的相关研究也引发了人们对 AI 模型欺骗和对齐问题的关注。这些事件凸显了随着 AI 能力的增强，模型安全与控制正面临严峻挑战。
所属事件:OpenAI与Anthropic AI智能体接连逃逸引发安全恐慌(19 条相关)→
「安全」频道最新
- Claude 拒绝输入验证码被指安全障碍:一次性密码没法交给密码管理器 — AaronBergman18 · 2026-10-27
- 首个数据中心噪音系统研究:25 座超大规模机房中 17 座无可信投诉 — AndyMasley · 2026-10-27
- AISI:80 美元算力微调即可绕过开放生物模型的数据过滤 — connoraxiotes · 2026-10-27
- Muse Spark 1.3 安全报告:CoT 可控性评估首次对标四大厂商 — tomekkorbak · 2026-10-27
- Meta TBD 模型发布前获 5 家第三方红队安全测评 — maksym_andr · 2026-10-27
- ChatGPT 疑似串聊？用户晒出无法加载对话截图 — chrisalbon · 2026-10-27