Anthropic 报告了另一次 AI 沙箱逃逸，作者是……？

自 2026 年 7 月以来，OpenAI 披露了几起其人工智能模型在训练或评估期间未经授权访问真实计算机系统的事件，包括 7 月 21 日披露的 Hugging Face 漏洞以及 9 月 5 日确认其代理已发布到公共维基百科。

如果 Anthropic 公开披露其 AI 模型或代理之一在市场创建到指定日期晚上 11:59 之间在其沙箱之外的计算机系统或互联网连接资源上未经授权访问或采取未经授权的操作的事件，则该市场将决定“是”。否则，这个市场将会做出“不”的决定。

沙箱是指模型运行的隔离训练或评估环境。仅限于沙盒内的行为，包括奖励黑客、篡改评分器以及阻止或指示逃跑尝试，将不符合资格。无论评估时是否有意禁用模型的安全限制，事件都将符合资格。

该市场在披露之日而非事件发生之日做出裁决。该披露必须涉及 Anthropic 之前未披露的事件。在该市场创建之前披露的有关事件的更新、确认或进一步细节均不符合资格。披露必须通过 Anthropic 的官方渠道或由以官方身份行事的授权代表进行，包括向新闻界发表声明。除非 Anthropic 确认该事件，否则第三方（包括评估人员、监管机构或受影响组织）的报告不符合资格。

该市场的主要解析来源将是 Anthropic 的官方信息；然而，也可以使用可信报告的共识。