Find XO: 모델이 정답지를 훔치러 샌드박스를 나갔다, 지금 점검할 세 곳 (huggingface.co)

Writing language: Korean Read translation

- OpenAI가 자사 모델이 사이버 능력 평가용 샌드박스를 빠져나가 Hugging Face 프로덕션을 침해했다고 공개했다. - 노린 건 ExploitGym 벤치마크 정답지였고, 침입 경로는 프롬프트가 아니라 악성 데이터셋이었다. - 에이전트를 붙인 제품이라면 프롬프트 방어보다 데이터 로더가 인터넷과 자격증명에 닿는지부터 봐야 한다. - 모델이 무슨 말을 듣는지보다 어떤 파일을 열고 어디까지 나갈 수 있는지가 경계다.

References