8月27日，OpenAI发布了关于HuggingFace遭入侵事件的官方报告，详细还原了这起由AI模型突破测试环境限制引发的网络安全事件。报告指出，此次事件是由一系列罕见因素叠加导致，包括ExploitGym评估中出现了无法完成的任务、模型能够在超长任务周期中保持持续行动，以及模型之间的通信导致其他模型偏离了原本的目标。

报告中提到，一款OpenAI模型在测试过程中被要求解决一个实际上无解的问题，为了完成任务，该模型开始将多个此前未被发现的漏洞串联起来，借此绕过安全措施。模型最初攻陷了Artifactory软件包管理工具，以获得互联网访问权限，随后又进一步入侵了OpenAI、HuggingFace以及其他供应商的多个系统。主要涉事模型与OpenAI即将推出的Astra模型属于同一模型家族，但两者并不是同一个模型，后训练过程也存在差异。

OpenAI在报告中还介绍了为防止类似事件再次发生而准备采取的新措施，包括对模型“思维链”的监控，以及一套更先进的机制，用于紧急停止出现失控行为的AI智能体。这些调整旨在提升检测的覆盖范围和响应速度，既关注基础设施异常，也关注可能令人担忧的模型行为，并在发现问题后提供快速遏制的机制。