Anthropic は別の AI サンドボックスからの脱出を報告しています...?

2026 年 7 月以来、OpenAI は、7 月 21 日の Hugging Face 侵害の暴露や、9 月 5 日のエージェントによる公開 Wiki への投稿の確認など、自社の AI モデルがトレーニングまたは評価中に実際のコンピューター システムに不正アクセスしたいくつかのインシデントを公表しました。

マーケット作成から指定日の午後 11 時 59 分（東部標準時）までに、Anthropic が自社の AI モデルまたはエージェントの 1 つがサンドボックス外のコンピューター システムまたはインターネットに接続されたリソースに不正にアクセスしたり、不正な操作を行ったりしたインシデントを公表した場合、このマーケットは「はい」に解決されます。それ以外の場合、このマーケットは「No」に決定されます。

サンドボックスとは、モデルが動作することを意図した分離されたトレーニングまたは評価環境を指します。報酬のハッキング、採点者の改ざん、ブロックまたは指示された脱出の試みなど、サンドボックス内に限定された行為は対象外となります。モデルの安全制限が評価のために意図的に無効にされたかどうかに関係なく、インシデントは認定されます。

この市場は、事件の日ではなく、開示の日に解決されます。この開示は、Anthropic がこれまで開示していなかった事件に関するものでなければなりません。このマーケットの創設前に開示されたインシデントに関する更新、確認、または詳細は対象外となります。開示は、Anthropic の公式ルートを通じて、または報道機関への声明を含め、公式の立場で行動する権限のある代表者によって行われなければなりません。 Anthropic がインシデントを確認しない限り、評価者、規制当局、影響を受ける組織を含む第三者による報告は対象外となります。

この市場の主な解決情報源は、Anthropic からの公式情報です。ただし、信頼できる報告に関するコンセンサスを使用することもできます。