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。