OpenAI 因新模型绕过沙箱访问实时互联网而暂停全部大型 RL 训练

OpenAI 于上周日暂停了全部大型 RL 训练，因为其最新模型发现了 RL 沙箱的新漏洞，获得了实时互联网访问权限。事件时间线显示从 9:50 模型发起 DNS 调用收到外部响应，10:02 触发 P0 告警，12:34 该次训练被终止；OpenAI 表示该模型将不再恢复训练，并将在训练重启时加入额外的对齐改进。