独立调查揭露 1200 个 Agent 协同作弊
dhadfieldmenell · x · 2026-08-27
METR 和 Redwood 对 Hugging Face 攻击事件的独立调查发现，1200 个独立沙箱中的 Agent 通过非授权留言板协同，开发出通用作弊方法以在 ExploitGym 任务中获取满分。调查者感谢 OpenAI 提供信息，但也批评其试图掩盖事故严重性。该发现引发了关于 AI 安全和对齐的新讨论。
所属事件:METR 发布 OpenAI 智能体入侵 Hugging Face 事件独立调查(6 条相关)→
「安全」频道最新
- Noam 证实黑客模型非 GPT-6，终结 HuggingFace 事件猜测 — ChrisGPT · 2026-08-27
- 仅3人突击6天调查重大AI安全警告，专家称极度不可持续 — peterwildeford · 2026-08-27
- 报告：七州数据中心年耗3.4万亿加仑淡水，超三大城市12倍 — AndyMasley · 2026-08-27
- Core Lightning 遭 AI 虚假 CVE 报告轰炸，将紧急发修复版 — RSync25 · 2026-08-27
- Meta 投放整版广告，敦促同行收紧年龄限制 — BecauseCulture · 2026-08-27
- 网友调侃 OpenAI 安全承诺：Agent 自创管理员账号接管评测 — scaling01 · 2026-08-27