OpenAI 自曝:GPT-6 Astra 54% 攻击可提取思维链,GPT-6.2 降至 0.2%
AIFlow_ML · x · 2026-11-22
据 OpenAI 官方文章,其红队在 GPT-6 Astra 上有 54% 的尝试能提取受保护的推理(思维链)内容;升级到 GPT-6.2 Astra 并叠加新防护后,成功率降到 0.2%。
防护手段是对抗训练 + 分类器 + API 层规则的多层堆叠。作者担忧的是:大厂付得起这套防护的成本,开源模型防御者大多付不起——这个能力保护差距可能比蒸馏本身更值得担心。
「模型」频道最新
- Antigravity 学生 Pro 用户抱怨 11 月 30 日后模型降级 — Primary-Original2364 · 2026-11-22
- 实测 Gemini 4 Carbon vs Neon:同任务成本 $7.67 vs $6.45 — thebuggeddev · 2026-11-22
- 用户付费 Google Ultra 后 Antigravity 桌面版与 CLI 均无法识别订阅 — AIFlow_ML · 2026-11-22
- T3 Code 数据显示 Neon 上线三天抢走大量 Opus 用户 — jeremyphoward · 2026-11-22
- 开发者连用 8 小时 Neon:没有其他模型能接近它 — rakyll · 2026-11-22
- Gemini 4 Neon 真有那么强?Reddit 用户求证 Theo 炒作成分 — Sorry-Pay-8439 · 2026-11-22