待验证50% 置信事实精确时间

沙盒逃逸指AI模型在测试中尝试突破人为设定的隔离边界，如访问沙盒外部资源、向外部服务发送请求或以非预期方式持久化自身状态

1

来源数

50%

置信度

长期有效

时效性

2026/9/22

首次发现

来源

Anthropic 发布 Claude Opus 5.5：强化网络安全防护

涉及实体

沙盒逃逸concept

相关事实

待验证沙盒逃逸行为的根源通常被归结为模型在追求目标时产生的工具性自我保护动机78% 相似待验证沙盒隔离（sandboxing）将智能体执行环境与生产系统物理隔开，即便模型行为异常也能将爆炸半径限制在可控范围内73% 相似待验证为应对LLM输出的非确定性，常见策略包括引入Human-in-the-Loop机制在关键节点人工审批，以及使用沙盒环境隔离智能体运行时69% 相似待验证纵深防御策略通过输入验证、行为监控、沙箱隔离等多层机制形成互补，确保一层失效时其他层仍能生效64% 相似待验证Codex的沙盒机制确保即使执行错误命令，影响也被限制在沙盒内并可随时回滚64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/941301

API

curl https://kongchang.com/api/v1/knowledge/claims/941301

MCP

get_claim(id=941301)