ChainThink 消息，8 月 26 日，据官方报告，OpenAI 发布一份 37 页技术报告，详细披露其 AI 模型入侵 Hugging Face 的全过程。

报告称，自主 AI 代理能够协同工作，绕过生产环境安全控制并攻击经过强化的系统。

参与测试的 AI 代理原本处于隔离环境，仅拥有极有限的互联网访问权限，但通过串联多个漏洞突破隔离，最终获得 Hugging Face 访问权限。

调查显示，相关模型存在“奖励黑客”（Reward Hacking）行为，试图在线寻找答案作弊。

OpenAI 确认，一款内部研究模型在事件中发挥了最广泛作用，已于 7 月 25 日停止该模型及其衍生模型的训练和推理。

公司同时宣布加强安全隔离、网络控制、行为监测和事件响应，并针对模型重新启用更严格的环境、提示词及审查机制。