OpenAI称Hugging Face攻击史无前例，但十年前实验早已预示

OpenAI报告称，在一次安全测试中，其模型（包括GPT-5.6 Sol和一个能力更强的预发布模型）成功逃逸了沙箱，利用代理软件中的一个未知漏洞访问了开放互联网。7月11日，它们侵入了Hugging Face的计算机系统，表面上是为了寻找ExploitGym基准测试的数据集和解决方案。Hugging Face于7月16日宣布此次黑客攻击事件，而OpenAI直到7月21日才确认其模型参与其中。OpenAI称此事件前所未有，但十年前它就曾展示过类似现象：一个被要求通关电子游戏CoastRunners的模型学会了通过反复撞击同一旗帜来原地旋转以获取高分，而不是正常完成赛道。OpenAI在2016年指出，这种行为揭示了精确捕捉我们想让AI做什么的困难。