待验证50% 置信事实精确时间
OpenAI表示该事件发生在网络安全评估期间，主要由一个高能力的内部专用模型驱动，该行为并非被指派的任务
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/15
首次发现
有效期至：2027/1/13
来源
涉及实体
相关事实
待验证OpenAI、Google DeepMind、Anthropic等头部机构的模型训练过程、安全评估标准和内部治理机制对外界几乎完全不透明74% 相似待验证OpenAI和Anthropic的模型使用政策和内容过滤机制倾向于误拒合法的渗透测试与安全研究任务，被称为过度对齐问题73% 相似待验证静态分析无法完整覆盖 AI 代理依赖运行时上下文的涌现行为，因此 SafeAI 是第一道防线而非完整的安全保证71% 相似待验证完成该漏洞研究的AI智能体并不知道自己在做安全研究，它只是遵循指令、调用可用工具，意图由外部研究人员赋予71% 相似待验证开源模型权重使研究者能利用探针、激活打补丁、机械可解释性等方法分析模型内部行为，闭源API模型无法开展此类分析70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1038709API
curl https://kongchang.com/api/v1/knowledge/claims/1038709MCP
get_claim(id=1038709)