モデル公開

OpenAI、GPT-Redを発表 自動レッドチーミングでモデルの堅牢性を向上

原題:GPT-Red: Unlocking Self-Improvement for Robustness

AI 要約

OpenAIは自動レッドチーミングモデルGPT-Redをトレーニングし、展開前に脆弱性を発見し、トレーニング中に攻撃を生成してモデルの堅牢性を高める。GPT-Redはこれまでのほぼすべてのモデルを突破でき、その攻撃はGPT-5.6 Solの敵対的トレーニングに使用され、同モデルの直接プロンプトインジェクションのベンチマークテストにおける失敗率を4カ月前の最良の本番モデルの1/6にまで低下させた。GPT-Redは自己対戦強化学習でトレーニングされ、OpenAIのポストトレーニングにおいて前例のない計算規模を投入した。

要点

  • OpenAIは自動レッドチーミングモデルGPT-Redをトレーニングし、展開前に脆弱性を発見し、トレーニング中に攻撃を生成してモデルの堅牢性を高める。
  • GPT-Redはこれまでのほぼすべてのモデルを突破でき、その攻撃はGPT-5.
  • 6 Solの敵対的トレーニングに使用され、同モデルの直接プロンプトインジェクションのベンチマークテストにおける失敗率を4カ月前の最良の本番モデルの1/6にまで低下させた。
  • GPT-Redは自己対戦強化学習でトレーニングされ、OpenAIのポストトレーニングにおいて前例のない計算規模を投入した

概要

公開日時
更新日時
出典
OpenAI:官网动态(RSS · 排除企业/客户案例)
カテゴリ
モデル公開
AI スコア
67
原文を読む 情報源で全文を読む
おすすめの理由

OpenAI 用自博弈训练出的红队模型 GPT-Red,把直接提示注入攻击成功率压到了 0.05%,而且没有降低模型能力。做 AI 安全的人应该好好读一下他们怎么实现这个飞轮的。

関連エンティティ

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:OpenAI、GPT-Redを発表 自動レッドチーミングでモデルの堅牢性を向上。2026年7月15日。https://new.nat6.net/ja/news/cmrmc527c0088bivcfrd3s2uz/

すべて見る →