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
- カテゴリ
- モデル公開
- AI スコア
- 67
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。
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/