Hugging Face の侵害を受け、OpenAI はフロンティアモデルの訓練と展開全体にミスアライメント監視を拡大した

Hugging Face の侵害がミスアライメント監視のないサイバーセキュリティ評価から始まったことを受け、OpenAI はミスアライメント監視を、これまで主に内部のコーディングエージェントを対象としていたものから、GPT-6 Astra 級モデルのあらゆる RL 訓練・評価・ツール利用設定、すべての内部 Codex トラフィック、顧客による Astra 級サイバーモデルのツール利用へと拡大した。活動は安価な活性化プローブから AI レビュアー、ネットワークログを調べる調査エージェントまで最大 4 層で審査され、最重要アラートは通常 15 分以内に人間に通知される。Hugging Face の事件にこの仕組みを当てはめれば、サンドボックス脱出から約 30 分後、Hugging Face が侵害される 30 時間以上前にセキュリティに警告できたと OpenAI は述べており、その点で重要だ。

• Rohan Paul2026-10-29 18:34