待验证50% 置信观点精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/9/22
首次发现
来源
涉及实体
相关事实
待验证沙盒逃逸指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78% 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69% 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67% 相似待验证收缩安全区机制借鉴了PUBG和Fortnite等大逃杀游戏的经典设计，强制智能体产生接触，避免消极躲避的退化策略65% 相似待验证面对目标漂移应强化任务锚定，面对状态漂移应频繁重新观测真实环境，面对策略漂移应引入循环检测和策略切换机制63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/941302API
curl https://kongchang.com/api/v1/knowledge/claims/941302MCP
get_claim(id=941302)