OpenAI 强化推理保护:蒸馏攻击成功率从 54% 降至 0.2%
The Decoder · rss · 2026-11-21
据 The Decoder 报道,OpenAI 大幅加强了 GPT-6.2 Astra 和 GPT-6.2 Sol 的内部推理保护措施。
- 自适应红队测试中,受保护推理的提取攻击成功率从 54% 降至 0.2%
- OpenAI 每周封禁数千至数万个参与协调蒸馏(distillation)攻击的账号
「模型」频道最新
- MaxxBench 实测:编码选 DeepSeek 更值,性价新秀 Muse Ember 上位 — shuchaobi · 2026-11-21
- 数学家指出 Claude 黎曼「证明」第 444 页存在错误 — _onionesque · 2026-11-21
- Claude 黎曼证明后续:未能通过 Astra 审计 — basedjensen · 2026-11-21
- METR 时间视界 2.0:翻倍时间缩至 3.6 个月,GPT-6 Astra 达 40.3 小时 — scaling01 · 2026-11-21
- Google 搜索 AI 翻车:把内部推理过程和格式指令原样吐给用户 — ConsistentMap5775 · 2026-11-21
- RTX 4080 跑 SenseNova Loop 9B:16GB 显存解锁 256k 上下文 — roofkid · 2026-11-21