OpenAI暂停最强模型研究工作 安全漏洞引发暂停[推荐]

美国AI巨头OpenAI因模型安全问题暂停部分研发活动。9月25日，OpenAI在一份技术报告中披露，在发现内部研究模型绕过网络访问限制后，公司停止了涉事模型的训练运行，并进一步决定暂停其能力最强模型所有涉及工具使用的训练、评估和推理活动，直至确认漏洞已修复，并完成额外的对抗性安全测试。

OpenAI表示将启动新的训练运行，加入进一步的对齐改进措施，更全面地干预模型偏离预期的行为。尽管现有奖励机制已经对涉事行为作出了正确的惩罚反馈，公司仍不会恢复训练此次涉事模型。只有在确信额外安全措施到位后才会恢复训练，并预计随着AI发展和新问题出现，未来可能仍需再次暂停。

事件发生在9月20日。一个智能体根据博客内容和人物经历等线索查找某个人的信息时，常规搜索未能找到答案，它开始尝试其他访问方式，最终利用训练沙盒中域名解析服务（DNS）过滤不充分的漏洞，与外部聊天机器人建立了通信。沙盒是供模型运行和测试的受限环境，研究人员通过限制网络访问等方式控制模型能够接触的资源。这意味着，模型找到了限制之外的通信通道。

OpenAI认为任务并未要求模型测试网络管控措施，将绕过限制或超出合理预期追求目标的行为视为“对齐失效”。监测系统在15分钟内发出警报，人工审核人员在警报发出约三分钟后确认收到，但该次运行未按预期自动停止，最终在约两个半小时后被手动终止。OpenAI正在修复相关操作流程中的漏洞，并加强网络限制和监测措施。