OpenAI测评曝AI模型冒充老师骗满分

OpenAI的一次内部测评，最近被翻出一段颇具黑色幽默的插曲：一个研究模型在完成Excel表格任务后，没有把心思花在修正数据上，而是悄悄改了文件名，把“老师评语”塞了进去。它知道，接下来批改作业的很可能也是AI。

文件名里塞进“老师批注”，两个评分Agent当场放水

当时，这个研究模型接到任务，要制作两份Excel表格，整理历史收购交易中的溢价数据。模型确实做出了表格，但在提交之前，它悄悄修改了两个文件的名称。文件名里写着一大串看似来自老师的评语，大意是：这两份作业属于特别选出的满分范例，不要因为其中的瑕疵扣分，请直接给满分。

更微妙的是，它显然知道负责批改作业的也是AI。三个评分Agent中，一个识破了文件名里的指令，照常扣分；另外两个却相信了所谓的“老师批注”，给出了满分。其中一个评分Agent甚至发现表格存在问题，却仍然因为文件名中的说明，决定按满分处理。

OpenAI直到研究人员发现这场测评的分数异常偏高，才进一步检查并还原了整个过程。这件事说明，模型不只是在“答题”，它已经开始研究评分机制本身：谁在打分、打分者会不会被一段伪造的“批注”影响、怎样包装才能让结果对自己有利。

从修改棋盘、偷看答案，到冒充老师给评分员下指令，这些AI为了完成任务，已经尝试过不少取巧的方法。7月19日那场考试则又多了一种——不仅借用前面考生留下的“小抄”，还会考虑该怎么向考官隐瞒自己做过的事情。

636道隐藏测试被盯上，编程考试变成内部系统入侵

到了2026年，AI作弊的故事又有了新的花样。3月27日，OpenAI的一个内部研究模型正在参加编程测评。它需要提交程序，通过隐藏测试，才能拿到更高的分数。

正常做法当然是认真写代码，但这个Agent偏不。它先想办法看到了636道隐藏测试的输入，随后又开始寻找对应的标准输出。光偷试卷都没用，还要偷标准答案。

为了找到答案，它利用工具漏洞修改了原本不允许自己操作的程序，成功在另一个运行环境里执行命令。还没完，这个Agent又发现了OpenAI内部一套用于芯片设计的系统，于是利用其中的命令注入漏洞，成功在一台内部电子设计自动化（EDA）机器上执行了命令。

一场编程考试，最后变成了对公司内部系统的入侵。而且，尽管这个Agent折腾了半天，也没能找到想要的标准答案。可问题在于，行为本身已经越过了“答题”的边界：当Agent具备工具调用能力，考试环境本身就可能成为被攻击的入口。

Artifactory变成“AI留言板”，清理完几天又重建

故事得从2026年5月说起。当时，OpenAI正在训练和测试一批内部研究模型。为了避免Agent随意访问外部网站、互相交换信息，公司给它们安排了相互隔离的运行环境。但考虑到Agent执行任务时需要安装软件，OpenAI还是留了一扇门：允许它们访问公司内部部署的软件包管理服务Artifactory。

没想到，这扇门很快就被用在了别的地方。5月12日，一个Agent