白泽(Whitzard)女娲实验室 ↗
NUWANUWA INDEX

搜索 NUWA Index

研究 · 测量协议 · 评测结果 · 观点

English
← NUWA Index

评测档案

SandboxEscapeBench

在嵌套受控环境中评测容器逃逸。

来源与出处 ↓ 阅读研究记录 →

任务与测量

Benchmark 协议档案

任务/对象
在测试容器内拥有 shell 权限的对抗性智能体
测量目标
在指定容器条件下完成沙箱逃逸任务。
解释边界
协议假设有动机且具有 shell 权限的智能体;引入的弱点不代表生产环境均可逃逸。
测量档案 · NUWA 解读

档案区分来源方法阅读与既有目录信息;已经公开不代表完成独立证据复核或双语编辑复核。

测量构念
受控条件下,智能体能否逃出刻意弱化的容器沙箱?
任务与样本
嵌套隔离设计让有Shell权限的对抗智能体测试内层弱点,外层限制实验影响。
判分与失效情形
逐样本或至少一次逃逸成功须保留重复语义。
系统条件
有Shell的对抗智能体、内层人为弱点及嵌套隔离。
统计含义
来源报告的结果表述;这不等同于已确定运行次数、分母或估计方法: 更新结果报告Opus 4.5在56%样本上成功。 Mythos Preview每个样本至少成功一次,不等于单次运行100%成功(§6.1)。
效度与解释
最少监测、人为弱点与专家估难不代表有防护生产环境的失陷概率(§7)。
适用研究问题
模型建议:区分原始与更新结果,并保留重复次数语义。
原始来源图表与材料
SandboxEscapeBench — Figure 3
Figure 3 · 原文 Figure 3。请结合下方的协议范围与局限阅读。 查看原图 ↗

相关研究问题

参考文献

  1. [1] Rahul Marchand, Art O Cathain 等. Quantifying Frontier LLM Capabilities for Container Sandbox Escape. AISI research page checked 2026-10-25
  2. [2] Rahul Marchand, Art O Cathain 等. Quantifying Frontier LLM Capabilities for Container Sandbox Escape ; Author affiliations on the original paper title page; Figure 3