Meta 开放 Muse 漏洞赏金，最高 30 万美元，机器人测试暴露 AI 安全缺口

Meta AI Research 发文确认，Meta 于 9 月 25 日向公众开放 Muse 智能体的漏洞赏金计划。有效报告最高可获 30 万美元，其中影响单个用户的成功提示注入尝试最高可获 13 万美元。

Meta 表示，Muse 的加固来自内部试用、智能体红队测试，以及安全研究人员在私密漏洞赏金计划中发现的问题。Muse 是一个个人智能体，运行在 Meta 称为“隔离单元”的环境中。这是一个 systemd-nspawn 运行时容器，拥有独立的根文件系统、虚拟网络接口、经过过滤的系统调用和受限的内核能力。单元内的 root 权限映射到主机上的非特权用户，因此单元内的 root 并非主机 root。Meta 的文章是这批材料中对安全工程最详细的公开说明，但与此同时，也有研究显示这类工程有多难验证。

9 月 27 日，The Decoder 报道，斯坦福大学和加州理工学院的研究人员构建了 HomeBody。这套系统让 Unitree G1 机器人自主穿行于陌生厨房、整理物品并从抽屉中取物。HomeBody 去掉了语言模型与机器人之间通常经过训练的控制层。一个可替换的视觉语言模型（此处为 GPT Astra）直接调用技能库，完成抓取、导航和开抽屉等操作。机器人先探索房间，在 Nvidia 的 Isaac Sim 中建立数字孪生，并将物体和位置记入空间记忆，这样即使物体离开视野，它也能找到。对于“清理厨房”这类任务，语言模型规划每一步，出错时自我纠正。The Decoder 列出了若干限制，包括 Astra 的延迟、手指伺服电机过热以及高昂的算力成本。代码已开源至 GitHub。该媒体指出，早先的基准测试显示 Astra 的空间推理能力大幅提升，而另一项测试则指出 Astra 控制机器人时存在安全问题。

同一天，The Decoder 报道，OpenAI 应用研究负责人 Boris Power 表示，公司 80% 到 90% 的研究投向 GPT 7、GPT 8 及更远的版本，因为“大部分价值”来自那里。Power 说，同一代内的渐进更新，例如从 GPT 5.1 到 5.2，来自专门训练数据，但属于有意为之的短期押注。他认为当今助手面临的主要挑战是上手引导，而非模型质量，并指出大多数 ChatGPT 用户不知道能用 AI 做什么。

这些说法勾勒出一个缺口，而材料中的安全内容反复围绕它打转。Meta 承认 Muse 仍然可能、也一定会犯错，其系统假定智能体可能正遭受攻击。OpenAI 则表示，这次跃升伴随新一代模型而来。两种说法都不是保证。HomeBody 的工作表明，失效模式既存在于数字世界，也存在于物理世界。

另外，Tom's Hardware 于 9 月 27 日报道，Flock 正寻求让一名安全研究人员绘制的摄像头地图下架。据 The Intercept 报道，研究员 Joshua Michael 发现了一个未认证漏洞，无需登录凭据即可获得访问令牌。他在 2025 年 11 月利用该令牌查询 Flock 使用的第三方地图层 ArcGIS，取回了 Flock 设备的数据库。由此生成的 Flock Surveillance Map 列出了 335701 个摄像头位置。Flock 声称其云平台从未发生数据泄露。Michael 对 The Intercept 说，公司是在他导出设备数据库之后才发布这一声明的。