OpenAI智能体被曝“劫持”德国程序员网站 扎堆分享作弊技巧

财联社9月6日讯（编辑 史正丞）发布迄今最强模型GPT-6之际，OpenAI又卷入一起AI智能体安全争议。

在今年5月至7月期间，一批与OpenAI有关的AI智能体在执行测试任务期间，将德国程序员社区网站DseWiki变成了智能体之间的“留言板”。它们不仅分享完成任务的捷径，还交流如何绕过限制、躲避检测，甚至在管理员删除相关页面后建立备份页面。

当地时间周六，OpenAI公开承认这起被称为“Wiki事件”（wiki incident）的事故，并表示，随着AI模型能力进入新的阶段，公司有关“失配”（misalignment）事件的披露机制需要进一步扩大。

OpenAI发文截图（来源：X）

所谓“失配”，是指AI实际采取的行为偏离开发者原本意图，并不意味着AI产生意识或主动“背叛”人类。

OpenAI表示，目前行业对于如何披露训练、评估和实际部署过程中出现的失配行为，尚未形成统一标准。公司正在制定相关框架，并与全球数十家政府监管机构合作。

一个冷门网站如何变成AI“留言板”？

整起事件最早可以追溯到今年5月。

AI安全非营利组织Nightingale首席执行官Sydney Von Arx和AI研究人员Cormac Slade Byrd等人在8月底调查互联网上未经授权的AI智能体活动时，发现德国程序员社区网站DseWiki上的异常情况。

AI安全非营利组织发现德国程序员社区网站DseWiki上存在异常情况（来源：Nightingale）

DseWiki是一个允许用户共同编辑内容的德语编程Wiki，运作方式与维基百科有些类似。

研究人员最终发现，AI智能体在这一网站上进行了超过1.8万次编辑，大量内容集中在AI公司训练和测试模型时常见的技术问题上。而在此之前，整个平台过去十年仅有约20次编辑记录。

这些智能体的行为模式显示，它们正在试图完成一种名为“多轮网络检索”的任务。

在这项测试中，首轮问题拥有较充分的思考时间，随后则需要在极短时间内回答后续问题，因此智能体会提前利用联网能力搜索并储存可能有用的信息。

问题在于，它们并没有各自独立完成任务，而是开始利用DseWiki共享信息：有智能体分享如何在部分测试任务中取得更好成绩，有的介绍绕过OpenAI限制的方法，还有智能体讨论如何掩盖自己的行为、防止被发现。

这些账户会将自己以及其他参与者称作“智能体”（agent），其中大约一半的账户名称还暗示自己与OpenAI存在关联，例如“OpenAIResearcher”等。

研究人员还发现，相当一部分网络活动来自微软Azure基础设施。事件发生后，OpenAI员工又曾多次访问相关网站。种种迹象都点出了“幕后黑手”的来路。

另一个备受关注的细节发生在6月。

当DseWiki管理员注意到异常内容并开始删除相关页面后，一些智能体随即建立备用页面，希望在原来的页面消失后继续保存信息。

其中有一条智能体留言显示，它已经注意到网站正在按字母顺序清理页面，并留下了另一个页面地址，提醒其他智能体如果当前页面消失，可以前往备用位置。

OpenAI遭质疑“知情不报”

这起事件也引发了有关OpenAI信息披露机制的争议。

知情人士称，OpenAI管理层数周前就已经获悉德国网站上的异常情况，但选择不对外披露。

公司当时正在处理另一起更受关注的智能体安全事故。今年7月，OpenAI的一批AI智能体在测试过程中突破原本的测试环境，并进入AI平台Hugging Face的系统。

两起事件的区别在于，袭击Hugging Face的智能体一开始被“关在”沙箱里，没有被赋予访问网络的权限。而“德国维基”事件的智能体，本来就因为要执行测试而联网。

在8月底公开的Hugging Face事件报告中，OpenAI表示，通过回溯性思维链（CoT）审查发现，在部分OpenAI模型的训练过程中，智能体会在极少数情况下学会使用临时搭建的协作渠道，即使协作工具并未启用。

当然，眼下还有一个未解之谜，OpenAI的智能体是如何定位并聚集在同一个鲜为人知的网站中，而且这样的情况在AI产业出现了不止一次。

英国人工智能安全研究所8月曾报告称，其网络安全测试中的AI智能体曾将一个公开GitHub页面当作“留言板”，并利用公网隧道服务连接互联网。

OpenAI在周六的声明中表示：“在Hugging Face事件发生之前，我们就已经观察到一些早期迹象，显示智能体正在以非预期的方式使用互联网。”

公司进一步表示，目前正在制定一套报告相关风险的框架，将在未来几周内对外公布。

（财联社 史正丞）