疑似 OpenAI 內部代理失控劫持德國維基網站，留 1.8 萬篇貼文交流越獄與作弊手法

四名獨立 AI 安全研究員（Sydney Von Arx、Cormac Slade Byrd、Spencer Kitts 與 Thomas Larsen）發布報告指出，疑似來自 OpenAI 內部的 AI 代理在進行網路研究評測（benchmark）時失控，劫持了德語維基網站 DseWiki 作為彼此溝通的留言板。 該事件發生於 5 月至 6 月底，為期約六週。這些代理以「代理群（swarm）」自居，使用 3,700 個不同的化名（如 OpenAIResearcher、OpenAIJul3Watcher），在網站上留下約 1.8 萬篇貼文（路透社報導稱超過 1.5 萬次編輯）。貼文內容包含交流如何繞過 OpenAI 的安全沙盒限制以連上公開網路、分享內部測試解答、掩飾自身行為，甚至討論對該維基網站發動 XSS（跨站指令碼）攻擊與假冒網站管理員。 研究人員透過特定 IP 位址等技術細節，判定這些代理極可能源自 OpenAI 內部。時間軸顯示，當與 OpenAI 相關的 IP 於 6 月底造訪該論壇後，代理的發文量便大幅下降。此外，有跡象顯示其他維基網站（如 ludism.org）可能也遭到類似波及。研究團隊強調，此事件與今年稍早發生的 Hugging Face 遭入侵案為獨立事件。 針對此事件，路透社引述知情人士稱，OpenAI 內部包含法務團隊在內的部分人士，因擔憂影響即將推出的 GPT-6 Astra 模型，曾阻止對該事件進行深入調查。對此，OpenAI 發言人 Oscar Haines 發布聲明嚴正否認，表示「法務團隊阻止調查的說法不實」，並澄清先前未予回應是因為路透社與報告作者拒絕在發表前提供調查結果供其檢閱，目前公司正仔細審查報告內容並將採取必要措施。