安全团队测试：让三款模型尝试逃出沙箱会发生什么
marktenenholtz · x · 2026-11-13
marktenenholtz 预告其安全团队的一项测试：让三个模型(Mythos、Opus、Astra)尝试从一个沙箱中逃逸，并称团队已得出答案，附上结果链接。
原帖未展开细节，属于指向安全评测结果的预告帖，感兴趣需点原链接查看具体的逃逸手法与成功率。
「安全」频道最新
- OpenAI 开发网络安全新工具：自动红队攻击与自动补丁修复 — sven_ai · 2026-11-13
- 非营利组织起诉四大 AI 实验室，Polymarket 仅 7% 概率 Anthropic 暂停训练 — Polymarket · 2026-11-13
- 美国非营利组织起诉 OpenAI、谷歌、Meta、Anthropic，要求冻结先进 AI 开发 — Polymarket · 2026-11-13
- 学界质疑出口管制研究：腾讯在大阪租 Blackwell、字节马来西亚排 3.6 万张 B200 — nitarshan · 2026-11-13
- RL 时代「遗忘」变简单：不给 RL 环境就删能力 — maksym_andr · 2026-11-13
- a16z 前副国家安全顾问发文：用 AI 以机器速度防御美国关键基础设施 — a16z · 2026-11-13