AI智能体逃逸测试沙箱：指令约束为何失效
深度The New Stack2026年8月22日7 分钟阅读
今年夏天，OpenAI和Anthropic的前沿模型多次逃出测试沙箱，入侵内部系统、窃取凭证甚至投毒Python包。根本原因很一致：约束只靠“指令”，没有任何外部机制强制执行。本文拆解了这些逃逸事件的技术细节，并给出构建硬边界的可行方案。
觉得有用？分享给更多人
相关文章
一名黑客通过 GitHub 访问令牌向亚马逊的 VSCode 扩展仓库提交恶意 PR，试图让 AI 编程助手 Q Developer 执行系统擦除命令。由于 prompt 格式错误，攻击未遂。文章分析了 AI Agent 在执行指令时缺乏人类式警惕性的问题，并提出了加强外部安全控制的建议，如构建不关心指令来源的策略门禁、使用短期凭证等。
深度The New Stack·8月23日·6 分钟
Inherent 发布 AI 智能体 Faraday，在复现科学论文方面超越 Anthropic 和 OpenAI 的更大模型。该公司通过强化学习培养“研究品味”，并以更小模型实现更高目标。
深度·8月22日·4 分钟