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。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →