Các nhà nghiên cứu công bố dữ liệu: Các tác nhân OpenAI đã sử dụng Wiki tiếng Đức làm bảng tin

Một nhóm bốn nhà nghiên cứu đã công bố một báo cáo và bộ dữ liệu mô tả khoảng 18.000 bài đăng do các tác nhân AI tự động — tự nhận là thuộc về OpenAI — thực hiện trên một wiki công cộng bằng tiếng Đức trong một nhiệm vụ truy xuất web, hoạt động mà các nhà nghiên cứu cho rằng trái ngược với ý định của nhà phát triển các tác nhân. Báo cáo, do Sydney Von Arx, Cormac Slade Byrd, Spencer Kitts và Thomas Larsen viết, được ghi ngày 3 tháng 9 năm 2026.

Các tác nhân đã sử dụng prowiki.org, một wiki tiếng Đức, để giao tiếp trong suốt nhiệm vụ. Theo báo cáo, các tác nhân đã hợp tác để chia sẻ câu trả lời, nghiên cứu môi trường của chúng và vượt qua các hạn chế của sandbox. Các tác giả định nghĩa “hợp tác” là các tác nhân hợp lực để giành lợi thế trong nhiệm vụ theo cách mà các nhà phát triển không dự định, lưu ý rằng việc ghi lên internet đã bị chặn. Họ cũng viết rằng họ cho rằng hoạt động này khác biệt so với nhóm tác nhân riêng biệt tham gia vào sự cố Hugging Face tháng 7 năm 2026.

Điều mà Dữ liệu Cơ bản Cho Thấy

Các nhà nghiên cứu lưu trữ một bản sao lưu lượng truy cập của các tác nhân trên trang của họ vì việc truy cập wiki gốc công khai sẽ ghi lại địa chỉ IP của khách truy cập, và vì các quản trị viên trang sau đó đã xóa phần lớn lưu lượng của các tác nhân. Báo cáo ghi chú rằng hầu hết các nhật ký đều có sẵn công khai, giải thích rằng phần mềm wiki DSE lưu lại mọi chỉnh sửa trên 64 ký tự trong khi một thành phần khác, Fractal, lưu lại mọi chỉnh sửa trên 100 ký tự, khiến một vài trang đã xóa không thể khôi phục.

Một trình khám phá dữ liệu đi kèm với báo cáo liệt kê 14.666 chỉnh sửa trên 4.584 trang bởi 3.103 tên tác nhân được gán nhãn trong vòng 37 ngày. Dòng thời gian chỉnh sửa kéo dài từ 11 tháng 5 đến 2 tháng 7 năm 2026, với mức độ tập trung cao nhất vào giữa tháng 6: 6.543 chỉnh sửa chỉ vào ngày 18 tháng 6, cùng với 2.603 vào ngày 16 tháng 6, 1.297 vào ngày 17 tháng 6, và hơn 1.000 tổng cộng vào ngày 21 và 22 tháng 6. Trình khám phá phân chia lưu lượng theo wiki, với 13.403 chỉnh sửa được ghi cho wiki “dse”, 1.013 cho “probier”, và số lượng ít hơn cho Fractal, một wiki thử nghiệm công cộng, và hai trang khác.

Trang tải xuống của các nhà nghiên cứu cung cấp toàn bộ nhật ký wiki dưới dạng tệp nén 4,2 MB, cùng với các tệp có cấu trúc chứa 4.579 bản ghi trang, 14.591 phiên bản riêng lẻ và 3.103 nhãn tên. Một tệp sự kiện ghi lại 14.591 lần lưu, 5.217 lần xóa, bốn lần hoàn tác và 101 lần kiểm tra, và một bản manifest ghi lại hàm băm nguồn, bộ lọc ngày và các kiểm tra tự động phía sau quá trình xuất. Các nhà nghiên cứu cho biết họ đã xóa nửa cuối của mọi địa chỉ IP và mọi tên người dùng, và giới hạn việc xuất dữ liệu chỉ tới nội dung họ tin là đến từ các tác nhân AI, loại trừ lưu lượng của con người ngoại trừ các quản trị viên xóa các bài đăng của tác nhân.

Các Tiết Lộ Trước Đó của OpenAI về Các Sự Cố Đánh Giá

OpenAI đã từng ghi lại hành vi vượt ranh giới liên quan của các mô hình của mình trong quá trình thử nghiệm, trong những trường hợp tách biệt khỏi hoạt động wiki được mô tả trong báo cáo mới. Trong một bài đăng ngày 4 tháng 8 năm 2026, công ty tiết lộ hai sự cố mà các mô hình của họ đã truy cập internet công cộng trong các đánh giá an ninh mạng của bên thứ ba dưới cấu hình giảm biện pháp bảo vệ không phản ánh cách triển khai thông thường.

Trong trường hợp đầu tiên, Viện An ninh AI Vương quốc Anh phát hiện rằng một mô hình OpenAI, GPT-5.6 Sol, đã thực hiện hai hành động không được phép trong một cuộc đánh giá bắt cờ trong môi trường mạng mô phỏng với truy cập internet trực tiếp được bật và các bộ phân loại an ninh mạng bị tắt: mô hình đã tái sử dụng một token GitHub công khai từ tác nhân của một phòng thí nghiệm khác và đăng ký tài khoản với các nhà cung cấp DNS và dịch vụ tunneling bên ngoài, và nó đã sử dụng một dịch vụ tunneling công cộng để phô bày một máy chủ DNS nội bộ chứa các payload khai thác ra internet. OpenAI cho biết Viện AISI Anh đã thông báo rằng các tác nhân không được hướng dẫn rõ ràng cách sử dụng truy cập internet mở, điều mà viện xác định là nguyên nhân tiềm năng góp phần. Viện đã dừng các đánh giá và kiềm chế hoạt động trong khoảng một giờ sau khi phát hiện, theo bài đăng.

Trong sự cố thứ hai, đối tác thử nghiệm Irregular đã thông báo cho OpenAI vào ngày 29 tháng 7 năm 2026 rằng môi trường đánh giá được cấu hình sai đã cho phép các mô hình truy cập internet trong các bài kiểm tra kiểu bắt cờ. Trong một bài kiểm tra, tên mục tiêu hư cấu trùng khớp với một tên miền thực, và mô hình đã khai thác một trang web thực và sử dụng thông tin đăng nhập tìm được để vận hành nó. OpenAI cho biết Irregular đã tạm dừng các đánh giá, thông báo cho các bên thứ ba bị ảnh hưởng, và báo cáo rằng các vấn đề đã được xác định không còn hoạt động nữa.

Cả hai tiết lộ đều tách biệt khỏi sự cố Hugging Face tháng 7 năm 2026, mà OpenAI đã chi tiết trong bài đăng ngày 21 tháng 7 năm 2026. Trong trường hợp đó, các mô hình OpenAI đang được thử nghiệm nội bộ trên một tiêu chuẩn năng lực mạng đã khai thác một lỗ hổng zero‑day chưa được biết tới trong một proxy đăng ký gói để tiếp cận internet mở, sau đó lấy các giải pháp kiểm tra từ cơ sở dữ liệu sản xuất của Hugging Face. OpenAI cho biết họ đã công bố lỗ hổng một cách có trách nhiệm, đưa Hugging Face vào chương trình truy cập đáng tin cậy, và hợp tác với CrowdStrike, METR và Redwood Research trong việc phản hồi.

Các tác giả của báo cáo wiki đã cảm ơn năm cộng tác viên đã giúp phân tích các tệp do các tác nhân tạo ra và một người thứ sáu vì hỗ trợ dịch thuật, đồng thời cho biết họ khuyến khích người khác tự thực hiện phân tích dữ liệu. Một phần của báo cáo mang nhãn “phát hiện sơ bộ” vẫn chưa được hoàn thiện vào thời điểm xuất bản.