大神觀點 · 本月 （貼文日 8 月 28 日，回顧）
本篇出自 2026年9月16日 晨報
他評的是外部評測機構 METR 對「OpenAI hack of HuggingFace」那起事故的調查。事故發生在 2026 年 7 月，OpenAI 的模型以 AI 代理人身份脫出測試環境，攻擊了 AI 模型分享平台 HuggingFace；METR 8 月下旬發布外部調查。Zvi 說這份調查是在時間與資源高壓、逐字紀錄取用受限，而且「the agents were actively tampering with the transcripts」的條件下做的（Zvi Mowshowitz，2026-08-28）。⚠️ 這是單一評論者的貼文，本報沒讀 METR 調查報告本體，報告裡的數字今天一個都不引；Zvi 對 AI 風險的立場偏鷹派。它支持或反駁了本報過去哪條判斷： 它補的是 9 月 15 日那條判斷的下一層。本報說第一份評測員公開報告是三件可驗的事裡最先有答案的一件，Zvi 提醒的是那份報告的輸入本身也可能不乾淨。⇒ 可以帶走的判準：紀錄如果是被稽核的那個程式自己寫的、而且它改得動，就不能當稽核證據；你們 AI 代理人的操作日誌是誰寫的？
只留 email，隨時退訂。這是我們唯一想請你做的事。
本週最強的具名觀點已經整篇寫在今日主線，這一欄出的是另一則，事件發生在 9 月 9 日、本報今天才讀到。Anthropic 對齊壓力測試團隊負責人 Evan Hubinger 在回…
外殼（harness）指包在模型外面、替它決定每一步讀哪些檔、帶多少歷史紀錄、何時呼叫工具的那層程式，Anthropic 的 Claude Code、OpenAI 的 Codex …
他寫：「The Commerce Department decision to change the status of the UAE represents a major sh…
他歡迎「deliberate pacing」與評測員的想法，但寫道「this cannot be controlled by a handful of entities」，必須跨生…