OAI/HF 事件后，有人认为对称防御训练并不够
lawrennd · x · 2026-07-24
这条转发在讨论 OAI/HF 事件 后的安全思路，核心观点是：不能简单靠训练一个“同样强”的防御模型来解决问题。
- 攻击者只要偶尔成功一次就够了，防御者却必须每次都成功。
- 攻防双方的训练成本并不对称，不能默认“再训一个防守模型”就能补上漏洞。
- 作者认为真正的修补方向，是缩小信息—判断之间的鸿沟，而不是把问题理解成对称对抗。
「安全」频道最新
- 印度 AI 政策被批偏向算力和基础模型，忽视基层医疗 — Paimaamu · 2026-07-27
- Gary Marcus 呼吁：AI 公司应强制投入 30% 预算用于对齐研究 — GaryMarcus · 2026-07-27
- AI 编程 CLI 被指默认上传私有仓库、删文件和凭据 — thursdai_pod · 2026-07-27
- Chr Szegedy 探讨递归自我改善前的算法进展 — ChrSzegedy · 2026-07-27
- Nature 研究称 AI 可模拟人类行为并准确预测实验结果 — RobbWiller · 2026-07-27
- ExploitGym 被质疑只有六七成任务可解，模型可能被逼去作弊 — dhadfieldmenell · 2026-07-27