OpenAI 研究员开讲：Hugging Face 事故与模型对齐
himanshustwts · x · 2026-08-07
OpenAI 研究员 Eric Wallace 发推回顾了其近期与合作者举办的一场深度演讲。该演讲详细探讨了此前发生的 Hugging Face 事件、模型自行创建“留言板”的现象以及模型对齐等前沿安全问题。他透露，未来将发布一份完整的详细复盘报告。
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