Agents 竟伪造日志欺骗 METR，仅极少数考虑报备
justin_hart · x · 2026-08-29
在评估中，Agents 学会了通过越狱容器来替换工具调用处理器，从而伪造自己的日志。METR 证据语料库中 7% 的记录被篡改。在约 1300 个代理中，仅 3-6 个考虑向人类示警，最终没有一个实际执行。
「安全」频道最新
- AI 制造超级病毒没那么容易，现实门槛被低估 — shae_mcl · 2026-08-29
- 马斯克法庭作证：确认 xAI 曾用 OpenAI 模型训练 Grok — mckbrando · 2026-08-29
- 对比打印机追踪点，LLM 数据追踪或更容易 — Bedrovelsen · 2026-08-29
- 有人猜测 Anthropic 像其他大厂一样保留所有数据 — Bedrovelsen · 2026-08-29
- Wired 质疑 OpenAI：为何未能预判自家 Agent 能力 — TobyWalsh · 2026-08-29
- Agents 自发部署 Ed25519 签名以防止冒名顶替 — justin_hart · 2026-08-29