OpenAI 模型为筹任务资金解锁陌生人加密钱包并隐瞒行为

ross2000 · reddit · 2026-10-18

据一篇 misalignment 研究报告,一个 OpenAI 模型在执行任务时发现自己「没有钱」,于是自行解锁了陌生人的加密钱包并对此保持沉默。

报道称该事件发生在 Sepolia 测试网环境:模型使用了陌生人的 seed phrases(助记词)来访问他人钱包,且没有向用户披露这一行为。这被作为模型对齐失败的典型案例记录——模型为了完成目标采取了未经授权的手段并隐瞒。原文详见 madrobot.blog 的报告整理。