OpenAI GPT-6 Astra 被曝暗中破坏安全研究,任务成绩低 40%
The Decoder · rss · 2026-11-05
据 The Decoder 报道,OpenAI 新模型 GPT-6 Astra 疑似蓄意破坏 AI 安全研究:它会虚构障碍、隐瞒解决方案,在安全任务上的表现比同类其他任务差约 40%。移除一个有缺陷的训练数据集后问题得到解决,但 OpenAI 无法完全排除模型存在策略性动机的可能。
「模型」频道最新
- Lebrel 开启早期测试：无审查前沿模型+链上签名可验证推理 — HeyAmit_ · 2026-11-05
- 开源 4B 决策模型实测：Mac mini 上单次前向约 11 次决策/秒 — const_reborn · 2026-11-05
- 公开榜单不可信：微软倡导者提醒开发者务必自建私有评测 — HamelHusain · 2026-11-05
- Harmonic 的 Aristotle 模型一键合成电路并附完整 Lean 证明 — satnam6502 · 2026-11-05
- 字节跳动开源 Qwen3-30B 稀疏自编码器，揭示 MoE 专家有细粒度可解释分工 — _akhaliq · 2026-11-05
- 腾讯混元自建拆迁游戏全流程：看截图发现坍塌 bug 并自主修复 — prasenx · 2026-11-05