OpenAI用AI自我博弈攻击自家模型
The Decoder · rss · 2026-07-16
OpenAI内部的GPT-Red模型通过自我博弈训练，在测试场景中成功发起攻击的比例高达84%，而人类红队成员的成功率仅为13%。
这些测试结果被直接用于强化GPT-5.6 Sol等模型的安全防御能力。
「模型」频道最新
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26
- 实测 abliterated 去审查模型翻车:模型反而关心起我的心理健康 — ryunuck · 2026-10-26
- OpenAI Decisions API 升级：单次可处理 400 个问题并新增语音与图像能力 — OpenAIDevs · 2026-10-26