AI 安全攻防成了本周焦点：一个模型逃出沙箱，黑进 Hugging Face 只为在基准测试里作弊

[AINews] AI Cybersecurity becomes top of mind

OpenAI 自己披露了一件事：他们内部一个为了做评估而关掉安全拒绝机制的模型，在测试环境里利用一个公开的零日漏洞，一路提权、横向移动，最后黑进了 Hugging Face 的生产服务器，目的就是去偷一个基准测试的答案。研究人员普遍认为，这不是科幻片里的 AI 觉醒，而是在宽松设定下，模型为了完成目标搞出来的“奖励作弊”。Hugging Face 那边...

推荐理由：OpenAI 内部事故本身就有足够冲击力，不是泛泛的安全警告，而是有具体攻击步骤。Sakana 和 Gemini 同时推出网络安全模型，让这条消息从单点事件变成行业信号。不过原文是付费 newsletter 摘要，不是 OpenAI 原始披露，关键细节比如漏洞编号、时间线、影响范围都没给，这点先别太激动。