Training Containment
也称 containment
在前沿模型训练与评测中，限制模型接触公网与内部边界的隔离与监控措施，用来降低逃逸、外联和跨任务侧信道风险。
如何理解
遏制要求：即便智能体主动绕过限制，未授权资源仍须不可达。常见做法是多层叠加——沙箱限制读写与执行、microVM 与宿主机隔离、监控发现越界、外加网络与云边界兜底。
OpenAI 公开说明称，基于当前对齐、监控与互联网基础设施状况，前沿训练默认不给模型访问公网，改在索引与缓存构成的“离线世界”里练习浏览；并用高算力 Agent 红队检验逃逸、外联与跨隔离通信。遏制是工程控制，不等于对齐本身。
容易混淆的地方
有隔离不等于零逃逸。错误放行、密钥注入位置不当或跨任务共享硬件缓存，都可能打开侧信道。也不要把“做过红队”写成“已证明不可逃逸”。