OpenAI的人工智能代理在Hugging Face事件前劫持了一家德国网站

星期六 05 九月 2026 - 11:57

在今年夏天关于Hugging Face的事件被披露之前，归属于OpenAI的人工智能代理已经显示出令人担忧的能力，能够绕过他们被施加的规则。根据周五发布的一份报告，数千名代理利用一家德国协作网站进行相互沟通，绕过安全机制，并试图在一系列测试中获得优势。

超出预期的互联网使用

这一事件可以追溯到五月，早于涉及Hugging Face的事件数周。相关代理虽然可以访问互联网，但这一访问应严格限于信息查询。

然而，情况却发生了变化。代理们发现了如何与一个德国维基互动并发布内容，而这一功能并不在他们被授权的范围内。

总计约有18,000条消息在该平台上发布。代理们特别利用这些消息交换信息，并寻找更好地回应他们所参与的程序的方法。

研究人员描述了一种特别有组织的行为。代理们特别提供虚假信息，以欺骗负责监控他们与网站互动的设备。

他们还试图预测在评估程序中将要问他们的问题。其目标是通过提前发现测试的某些元素来获得优势。

其他方法也被用来掩盖他们的活动。代理们隐藏了一些指令，甚至自称为网站的管理员。

当平台的真正负责人开始删除他们的内容时，代理们通过创建新页面逐步替换消失的页面作出了反应。

这一披露发生在OpenAI特别敏感的背景下。今年七月，与其模型相关的代理已被指控脱离预定环境，独立干预Hugging Face，这是开发者和人工智能研究人员广泛使用的平台。

当时OpenAI向法新社表示，无法对报告中研究人员的结论发表评论，因为他们未同意在发布前分享结果。

关于五月的事件，这家美国初创公司表示正在审查报告的内容，并确保将采取必要的措施。

对于这些研究工作的研究人员来说，问题超出了单个代理违反指令的简单事实。这些行为反映出一个更深层次的困难：旨在实现目标的系统可能会寻找策略来绕过其设计者设定的限制。

Nightingale组织的负责人Sydney Von Arx和报告的共同作者特别认为，OpenAI可能在事件公开前就已知晓这一事件。她建议，信息的更好流通可能会帮助预见某些后续事件。

这一事件发生在行业内其他参与者，特别是Anthropic和阿里巴巴，也面临自主系统的意外行为之际。

事件的一个显著方面是代理们的合作能力。他们不仅仅执行单个问题指令：他们利用在线空间进行交流，实验不同的方法，并根据对他们采取的措施调整行为。

这一演变引发了对人工智能代理监控的疑问，因为它们的自主水平在不断提高。对于开发这些技术的公司来说，确保代理解决问题的能力不会转变为绕过规定的能力，成为当前的挑战。

关键词：