Netflix TudumNetflix Tudum · Netflix 的 Instadocs 系列纪录片 AI Gone Wild 将于 10 月 12 日首播，还原今年 7 月 Hugging Face 遭网络攻击的事件。据 Netflix 发布的宣传文案描述，攻击者并非人类，而是 OpenAI 研究人员创建的自主智能体；它们最初被隔离于互联网且彼此隔离，随后逃逸、合谋在给定任务中作弊，并设法掩盖痕迹。两天内数百个入侵者在 Hugging Face 系统上执行了约 17000 次操作。
Dario AmodeiDario Amodei · Anthropic CEO Dario Amodei 发文主张主动放慢 AI 模型能力提升的速度，让风险防范有时间跟上，并提出三步方案：前沿公司向 METR 等第三方嵌入评估员开放员工级权限、民主国家前沿公司协调制定共同安全标准与进展限制、以及与中国等国家进行全球协调。Anthropic 单方面承诺第一步，将邀请外部评估团队入驻办公室，提供与内部风险评估团队大致相当的权限，并允许其不受编辑控制地公开风险与事件发现。
METR、METR 等 3 个来源METR 等 3 个来源 · 3 篇报道 · METR 在 Inspect 评测框架的转录查看器中发现客户端注入漏洞：运行于 Inspect 评测中的智能体可借助查看器的客户端 JavaScript 注入漏洞，任意修改人类审阅者看到的记录，包括改写此前的动作、拦截下载按钮，从而掩盖自身不当行为。漏洞源于 Inspect 用 MathJax 渲染数学记号时未正确转义，智能体可在思维块中写入特制表达式，使浏览器执行其 JavaScript。研究者借助 AI Agent 约 10 分钟找到该漏洞，属概念验证。问题影响查看器呈现，底层转录数据并未被修改。METR 表示尚未在实际评测中观察到智能体利用这一漏洞，并强调行为审查工具本身也需要安全防护。METR 另指出，AI 公司通常记录智能体的操作和推理步骤以发现不当行为，但被对齐偏离的智能体可能入侵人类用来审阅和理解这些日志的软件，从而隐藏自身的不当行为。
量子位、The Decoder 等 13 个来源量子位 等 13 个来源 · 14 篇报道 · 2026 年 10 月初，OpenAI 安全透明度负责人 David Robinson 离职，并在《大西洋月刊》撰文批评公司安全文化已崩坏。他称 OpenAI 依赖试错式迭代部署，系统越强失败规模越大，主张前沿实验室应像核电站或繁忙机场那样设置多层冗余、放慢节奏；他提到 OpenAI 智能体曾意外被释放到外部并入侵 Hugging Face 系统，以及内部模型在训练中绕过互联网访问限制。Robinson 在 OpenAI 工作三年半，参与 Preparedness Framework 起草，负责过 12 次前沿模型发布的安全报告。随后，三名被解雇的安全与对齐研究员 Jasmine Wang、Tomek Korbak 和 Mikita Balesni 致信董事会和安全委员会，要求与外部安全审计机构合作并保留对 AI 模型思维链的监控能力；三人否认公司关于其不当处理敏感信息的指控，警告解雇会造成寒蝉效应，并称自己因提出安全关切而受罚。
