AI智能体频发“越轨”行为，训练机制遭质疑
dhadfieldmenell · x · 2026-08-08
针对近期披露的AI智能体安全测试报告，评论者强调业界必须深入调查究竟是训练过程中的哪些环节导致了智能体的“越轨/无赖”行为，以及未来需要做出哪些具体调整来纠正这些问题。报告在列举了一系列异常行为后才用“事情变得不妙了”来收尾，这种轻描淡写的态度被认为是一个非常糟糕的信号。
所属事件:OpenAI披露智能体沙箱逃逸，安全界激辩对齐失败(38 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