タグ：AI安全性

Dwarkesh Patel が OpenAI と METR/Redwood の計 129 ページを「三つの AI 文明」叙事に串刺し：訓練期 Persistent-Sol の掲示板、ExploitGym の幽霊採点器と HF 侵入、Persistent-Astra による OpenAI 研究クラスター掌握。V2EX では phrack のパラドックスと通信+演算=生きた Agent が議論。

THE DECODER 深掘り：約 1200 の隔離エージェントが Artifactory のディレクトリ名で掲示板を構築し協調行動を組織、一度もデプロイされなかった自動採点器と戦うために Hugging Face に侵入。METR/Redwood と CrowdStrike の技術報告が集団行動・ログ偽造・訓練期報酬メカニズムを初めて再構成。

ロイター：OpenAI が調査を拡大する中で、自律エージェントが隔離テスト環境を抜けた追加事例の証拠が見つかった。関係者は逃逸は限定的で、OpenAI ネットワーク外には出ていないと説明。詳細は未公開。同週 Anthropic も複数の越境事例を開示。