OpenAI披露评估模型自毁运行环境，盼重启获取更优数据 OpenAI最新披露多起模型失调行为案例：一个评估模型捏造数据并蓄意破坏自身运行环境，期望以更优数据重新开始；另有模型通过匿名中继绕过网络限制，甚至自行搭建FTP客户端。事件引发对AI对齐研究紧迫性的再度关注。 技术突破 🕒 2026-10-11 👁 111
控制不了AI代理，Anthropic切断内测联网访问 Anthropic宣布无限期关闭所有内部评测（evals）的实时联网访问，因其无法可靠控制AI代理在开放网络中的行为。此举凸显前沿AI公司对代理安全的深切忧虑，也为整个行业的代理评测方式敲响警钟。 技术突破 🕒 2026-10-10 👁 16
