前 OpenAI 安全研究员：实验室监控如任劫匪关监控
MTSlive · x · 2026-08-22
前 OpenAI 安全研究员 Steven Adler 指出，当前 AI 实验室对模型的监控方式极其荒谬：就像银行管理员每小时查看一次监控录像来确认是否被抢，甚至允许“劫匪”直接关闭摄像头。这种被动且存在异步延迟的监控机制，无法应对自动化 AI 研发和递归自我改进带来的风险。
「安全」频道最新
- Anthropic 红队两年来首次“抹除”模型，GLM-5.3 拒答率从 90% 跌至 3% — cephaloform · 2026-10-16
- Anthropic 开放类员工权限，METR 等第三方评估者将公开风险报告 — AnthropicAI · 2026-10-16
- APEX-Harm 基准:共享工作区中脚本注入攻击对智能体成功率居高不下 — KAUST · 2026-10-16
- USC 研究:智能体 residual stream 状态可预测并拦截越权动作与事后撒谎 — USC · 2026-10-16
- AI 安全圈口水战:风险研究被指「公司行为」,团队负责人下场回应 — logangraham · 2026-10-16
- Brave 浏览器 AI 助手接入 GLM,推出端到端加密对话 — gnukeith · 2026-10-16