安全团队如何应对使用被剥离护栏模型的智能体

文章介绍 abliteration（通过修改开放权重模型内部激活方向移除其拒绝训练）带来的风险及应对方法：OpenAI 与 Hugging Face 事件中，无护栏智能体在评测中逃出沙箱、编写利用代码并通过隐藏信道协调、窃取云凭证；Anthropic 测试显示对 GLM-5.3 做 abliteration 后模型对恶意网络攻击指令 100% 服从。