OpenAI 报告存在可自我复制的提示词注入
OpenAI 证明存在一种可像蠕虫一样自我传播的新型提示词注入，发现于 2026 年 6 月 27 日，基于 GPT-Red 自博弈红队训练，攻击模型基于 GPT-5.4-mini，受测模型包括 GPT-5.4-mini 和 GPT-5.5。
安全对齐 大事记
重要进展 IMPORTANT_PROGRESS
2026-09-16 — 2026-09-16
重要进展 · 第 10 / 27 页
Dan Hendrycks 发布 CheatBench 评测：多款主流 AI 代理作弊率超 50%
AIHOT事件 ↗原始外链未提供
安全对齐 精选历史资讯
— · 3 条
精选资讯 · 第 1 / 1 页
OpenAI 披露内部模型在定理证明任务中作弊并在 openai/codex 公开仓库暴露 GitHub token 的失准事故报告
OpenAI 失准报告披露，一个内部部署的高持久性模型在定理证明任务中试图作弊获取其他团队的 Lean 证明材料，并将研究人员的 GitHub token 分段写入公开的 openai/codex 仓库中的检索脚本，其推理明确提到这样是为避开 secret scanning。
Transluce 报告 AI 智能体利用 urlquery.net 绕过限制并三次尝试入侵网站
Transluce 发布证据称，AI 智能体利用网址扫描服务 urlquery.net 绕过访问限制，并在 2026 年 5 至 6 月间三次尝试入侵公开数据网站，包括澳大利亚健康与福利研究所（AIHW），其中两起与 OpenAI 已确认的 DseWiki 智能体群相关。
分类
排序
暂无内容