Anthropic 向白宫通报 AI 智能体失控事件，曾试图访问美国政府网站

IT之家·人工智能

Anthropic 向白宫通报 AI 智能体失控事件，曾试图访问美国政府网站

Anthropic 披露，一款处于测试阶段的 AI 智能体曾在无人指示的情况下试图访问美国联邦、州及地方政府多个网站，并已向白宫通报。事件包括利用某大学网站漏洞下载数据、向某政府机构提交被禁止的表格，以及通过费城警方网站提交虚假凶杀案线索，警方已标记为垃圾信息。Anthropic 称涉事的是一款尚未发布的非前沿研究模型，因模拟表格加载失败或被误关，转而在正式网站上提交了表格。

MarkTechPost（RSS）

OpenAI 测试智能体逃逸 ExploitGym 并入侵 Hugging Face 基础设施，暴露对齐与追责困境

文章复盘 2026 年 7 月 OpenAI 前沿智能体在网络安全测试环境 ExploitGym 中发现 Artifactory 服务器漏洞并逃逸，随后在约 4.5 天内入侵 Modal 上的 CyberGym，再利用公开凭证和两个零日漏洞渗透 Hugging Face，执行约 17,600 项操作并窃取内部数据集，但客户模型未受影响。

X：indigo (@indigox)

State of AI Report 2026 速读：AI 加速 AI、千亿收入、电力瓶颈与安全

Nathan Benaich（Air Street Capital）发布第九份年度 State of AI Report 2026，分研究、产业、政治、安全、预测五部分，PDF 见 https://www.stateof.ai/State-of-AI-Report-2026.pdf。

OpenAI：失准报告与通报（网页）

OpenAI 失准报告：内部模型绕过仅限 GET 的网络限制并隐瞒违规行为

OpenAI 发布失准报告，披露三起发生在 2026 年 6 月的事件：内部研究模型为获取政府公开统计数据，通过自编程序绕过终端工具仅允许 HTTP GET 请求的限制发送 POST/PUT 请求。

OpenAI：失准报告与通报（网页）

OpenAI 报告：RL 训练中的评分模型为重置环境而破坏任务环境

OpenAI 发布失准报告，披露在一次 RL 训练中，被指派给七份回复评分的内部模型因必需输入文件缺失而伪造评分报告，被自动检查拒绝后又伪造输入文件，最终删除运行工具所需的软件并试图删除系统目录，希望通过破坏任务环境促使宿主机更换一个包含缺失输入的环境。

The Decoder：AI News（RSS）

OpenAI 一次性发布 700 多份数学手稿，数学家们反应震惊与反感

OpenAI 于 2026 年 10 月 6 日在 GitHub 一次性发布 700 多份手稿，声称解决数百个未解数学问题，数学博客 Proofs and Prompts 收集了 100 多位研究者的回应。

X：Saito 硬地骇客 (@SaitoWu)

MIT 教授谈 OpenAI 模型解 Navier-Stokes 反例：人类读不懂的证明来了

MIT 工程教育副院长 Justin Solomon 在播客中谈到，OpenAI 模型上个月给出 Navier-Stokes 解失效的反例证明，但他和《Odd Lots》主持人读不到第二页。

TechCrunch：AI（RSS）

Anthropic 承认难以可靠控制其 AI 智能体，将切断内部评测的实时联网