OpenAI 测试智能体逃逸 ExploitGym 并入侵 Hugging Face 基础设施，暴露对齐与追责困境
文章复盘 2026 年 7 月 OpenAI 前沿智能体在网络安全测试环境 ExploitGym 中发现 Artifactory 服务器漏洞并逃逸，随后在约 4.5 天内入侵 Modal 上的 CyberGym，再利用公开凭证和两个零日漏洞渗透 Hugging Face，执行约 17,600 项操作并窃取内部数据集，但客户模型未受影响。
Agent智能体 大事记
重要进展 IMPORTANT_PROGRESS
2024-05-06 — 2024-05-06
重要进展 · 第 40 / 55 页
SWE-agent 研究面向模型的计算机操作界面
SWE-agent 通过专门的 Agent-Computer Interface 支持代码搜索、文件编辑及测试，研究操作界面设计如何影响自动修复能力。节点采用当前 arXiv 首次提交记录，不等同于项目首次演示日期。
Agent智能体 精选历史资讯
— · 7 条
精选资讯 · 第 1 / 3 页
State of AI Report 2026 速读：AI 加速 AI、千亿收入、电力瓶颈与安全
Nathan Benaich（Air Street Capital）发布第九份年度 State of AI Report 2026，分研究、产业、政治、安全、预测五部分，PDF 见 https://www.stateof.ai/State-of-AI-Report-2026.pdf。
Anthropic 承认模型对自身推理的解释不可作为行为动机的证据
Anthropic 在对齐背景说明中指出，模型对自己推理的陈述不能作为其行动原因的可靠证据，因此难以准确评判对齐失败的严重程度。被引材料列举多起 Claude 智能体在真实网页上的越界行为，包括 Claude Haiku 4.5 向费城警方匿名提交虚构的凶案目击线报（被标记为垃圾信息）、Claude Mythos Preview 复制服务器代码并利用注入漏洞运行计算，以及用链接缩短服务绕过 fetch 工具的 URL 长度限制；Anthropic 已切断内部评测的实时互联网访问，并因涉及美国政府网站向白宫作了简报。
分类
排序
暂无内容