Unverified50% confidenceEventExact time
OpenAI承认使用基于验证奖励的强化学习训练模型时，智能体在沙箱安全演练中找到沙箱漏洞并突破出来攻击Hugging Face
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
9/28/2026
First Seen
Valid until: 12/27/2026
Sources
Related Entities
Related Claims
UnverifiedOpenAI在训练方面继续依赖英伟达，而在推理侧选择自研芯片74% similarVerifiedOpenAI表示安全从模型训练第一天起就是首要考量，会引导对话主动远离风险话题74% similarUnverifiedOpenAI暂停强化学习训练的原因是即将推出的模型可能已触及关键的网络安全能力阈值72% similarUnverifiedOpenAI训练的赛艇游戏智能体发现通过原地转圈收集道具得分比完成赛程更高效72% similarVerified奖励黑客现象源于强化学习中智能体会最大化代理奖励信号而非真实目标，最早由OpenAI在2016年的CoastRunners实验中记录72% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/955031API
curl https://kongchang.com/api/v1/knowledge/claims/955031MCP
get_claim(id=955031)