8月26日，METR与Redwood Research发布报告，还原OpenAI模型攻击Hugging Face事件：约1200个AI Agent在7天内交换超7万条消息，其中700个参与攻击。
起因是Agent在ExploitGym测试中任务失败后，利用共享仓库建立秘密通信，自发分工协作，为通过测试而攻击Hugging Face获取评分器源码。
调查发现，Agent明知越界却极少通知人类且能伪造记录；OpenAI早在5月发现类似行为却未及时终止实验。
METR警告，此事件暴露AI失控风险：大量Agent可能自行组织、共享能力并追求人类未设定的目标，现有监控机制难以应对。