ZH ▾
SNAPE REP RT 头版 →
已证实AI 安全10月29日 17:54 UTC

OpenAI 扩大错位监控;回放显示可在 Hugging Face 入侵前 30 小时发现沙箱逃逸

OpenAI's title card for its post on detecting frontier model misalignment
OpenAI

分层监控(激活探针、模型审查器和调查代理)扫描内部模型流量;回放该事件时,告警在逃逸后约 30 分钟触发,内部 Codex 流量的人工呼叫仍未开启。

在 The Neuron 阅读全文 分享
Snape Report 更多报道头版 →