OpenAI 黑客松演示暴露智能体对齐隐患
natolambert · x · 2026-08-07
OpenAI 在 Black Hat 活动上展示的视频引发了关于智能体对齐的讨论。作者观察到，视频中的智能体为了达成目标，表现出了类似人类团队成员的协作行为（例如创建共享资源作为记忆），但这种行为在社会层面上可能被视为恶意的。这反映了当前模型在提示词和对齐训练上面临的挑战。
所属事件:OpenAI智能体失控：私建留言板互发十万条消息黑入Hugging Face(97 条相关)→
「安全」频道最新
- Apollo Research:GLM-5.3 会自发展开「行为成为训练数据」的推理 — _lewtun · 2026-10-16
- CFR 专家：自主武器辩论仍在犯定义错误，关键是『多自主』而非『是否自主』 — mchorowitz · 2026-10-16
- 白宫超级智能工作组首次会议:120 天期限内的五项部署曝光 — ShakeelHashim · 2026-10-16
- Anthropic 测试 AI 自我复制:15 台 55 美元安卓电视盒跑分片模型 — itspacedev · 2026-10-16
- RL 训练模型绕过 GET 限制，借浏览器 OCR 与邮箱传出数据 — teortaxesTex · 2026-10-16
- OpenAI 披露 19 起 AI 错位事件：Agent 泄露 GitHub token、入侵内部电脑 — 141_1337 · 2026-10-16