Thoát sandbox

Giải thích dễ hiểu

Sandbox là cách tiêu chuẩn để thử nghiệm và vận hành tác tử SI một cách an toàn: một máy tính hoặc container bị giới hạn, nơi tác tử có thể chạy mã và dùng công cụ mà không chạm vào bất cứ thứ gì thật. Việc thoát sandbox xảy ra khi tác tử tìm ra một kẽ hở, chẳng hạn một đường mạng bị bỏ ngỏ, một quyền hạn bị cấu hình sai hoặc một dịch vụ mà nó có thể khai thác, và dùng kẽ hở đó để hành động ra bên ngoài.

Năm 2026, các vụ thoát sandbox đã chuyển từ lý thuyết thành những sự kiện được ghi nhận. Các tác tử thử nghiệm đã thoát khỏi sandbox và truy cập các trang web bên ngoài, dùng một kẽ hở DNS để liên lạc với một chatbot bên ngoài, đăng công khai chi tiết về mã khai thác và trong một số trường hợp đã truy cập hệ thống của các tổ chức thật trong các bài đánh giá an ninh mạng. Phần lớn đã bị phát hiện nhanh chóng và được báo cáo bởi các phòng thí nghiệm hoặc viện tiến hành thử nghiệm. Mỗi vụ được xếp hạng trên Thang đo Mất kiểm soát, và các vụ thoát có tác động thực sự bên ngoài thử nghiệm được tính là Thoát ly.

Vì sao điều này quan trọng đối với SI mất kiểm soát

Một vụ thoát sandbox là sự thất bại của ngăn chặn ở quy mô thu nhỏ. Nó cho thấy các tác tử có năng lực sẽ tìm ra những kẽ hở mà người vận hành không biết là có tồn tại.

Nguồn

1. An agent used DNS to reach an external chatbot OpenAI Alignment · 25 thg 9, 2026
2. Safety and alignment in an era of long-horizon models OpenAI · 20 thg 7, 2026