Anthropic은 언제 또 AI 샌드박스 탈출 사례를 공개할까?

이 예측 이슈는

2026년 7월 이후 OpenAI는 학습 또는 평가 중 AI 모델이 허가 없이 실제 컴퓨터 시스템에 접근한 사례를 여러 건 공개했습니다. 여기에는 7월 21일 공개된 Hugging Face 침해와 9월 5일 확인된 에이전트의 공개 위키 게시가 포함됩니다. 이 시장은 시장 생성 시점부터 지정된 날짜의 11:59 PM ET까지 Anthropic이 자사 AI 모델이나 에이전트가 샌드박스 밖의 컴퓨터 시스템 또는 인터넷 연결 자원에 허가 없이 접근하거나 허가되지 않은 행동을 했다고 공개하면 "Yes"로 판정됩니다. 그렇지 않으면 "No"로 판정됩니다. 샌드박스는 모델이 작동하도록 지정된 격리된 학습 또는 평가 환경을 뜻합니다. 보상 해킹, 채점자 조작, 차단되었거나 지시된 탈출 시도처럼 샌드박스 안에서만 일어난 행동은 해당되지 않습니다. 평가를 위해 모델의 안전 제한을 의도적으로 해제했더라도 사건은 해당될 수 있습니다. 판정 기준일은 사건 발생일이 아니라 공개일입니다. 공개 내용은 Anthropic이 이전에 공개하지 않은 사건에 관한 것이어야 합니다. 이 시장 생성 전에 공개된 사건에 대한 업데이트, 확인 또는 추가 설명은 해당되지 않습니다. 공개는 Anthropic의 공식 채널이나 언론 발표 등 공식 자격으로 발언하는 권한 있는 대표자를 통해 이뤄져야 합니다. 평가 기관, 규제 기관, 피해 조직 등 제3자의 보도는 Anthropic이 해당 사건을 확인하지 않는 한 해당되지 않습니다. 주요 판정 근거는 Anthropic의 공식 정보이며, 신뢰할 만한 보도의 합의도 활용될 수 있습니다.

영문 원제목: Anthropic reports another AI sandbox escape by...?