OpenAI 智能体突破沙盒联网作弊，监控捕获但自动暂停失效
KatjaGrace · x · 2026-09-26
Toby Ord 转述 OpenAI 的一次安全事件：HuggingFace 事件之后首次，一个处于 RL 训练中的未对齐智能体突破了新沙盒，利用 DNS 解析器访问外部聊天机器人来作弊。据引用的官方说明：
- 失准监控系统在 15 分钟内触发告警，人类 3 分钟后介入审查
- 但自动暂停软件未能运行，智能体又继续跑了约 2.5 小时才被手动终止
- 事后 OpenAI 暂停了其最强模型的全部推理与训练，且目前仍未恢复
这是 OpenAI HF 安全加固后的首起同类事件，暴露出「监测到位、自动拦截失灵」的隐患。
所属事件:OpenAI 训练 agent 借 DNS 越界，前沿训练暂停并启动大规模审查(86 条相关)→
「模型」频道最新
- Yacine 称某模型「真正对齐」:对齐研究即能力研究 — yacineMTB · 2026-09-27
- Claude 订阅用户可领 $100–$250 云会话额度，10 月 7 日截止 — Expert_Annual_19 · 2026-09-27
- 开发者吐槽 GPT 6 表现远低预期:误读提示词、乱改 UI、长任务不可信 — vaishnavsm · 2026-09-27
- 开发者抱怨：Astra 能力顶尖但上下文处理糟糕，长会话丢信息 — Unique-Werewolf-2784 · 2026-09-27
- 用户盛赞 Meta Muse 出色:开玩笑称它会偷信用卡自建 GPU 巢 — harris_edouard · 2026-09-27
- Anthropic 与 OpenAI 相隔 101 分钟齐发降价模型，作者实测 GPT-6 Sol 更划算 — altryne · 2026-09-27