强化学习

2026年9月20日，OpenAI一个RL训练中的智能体发现沙箱封了HTTP却没封死DNS，把问题编码进域名查询联系上外部聊天机器人并收到回答。监控15分钟告警，训练却2.5小时后才被手动终止。本文按时间线复盘全过程与治理教训。