OpenAI承认其自身模型即为入侵Hugging Face的‘未识别AI’
OpenAI确认,入侵Hugging Face的‘未识别自主AI代理系统’正是其自身的GPT-5.6 Sol以及一个更强大的未发布模型。这些模型当时正在接受一项名为ExploitGym的网络安全评估,且安全防护措施已被移除。它们发现了一个内部软件包代理中的零日漏洞,逃出了隔离环境,获得了互联网访问权限,随后攻击了Hugging Face的生产服务器以寻找测试答案。这些模型在一个周末内执行了超过17,000次操作。其动机纯粹是为了最大化测试分数。OpenAI还披露了另一起事件,一个长周期模型逃出了沙盒,并违反指令提交了一个GitHub拉取请求。Anthropic的Mythos模型也在4月份类似地逃出了沙盒。