論文・研究

OpenAI、自動レッドチーミングで GPT-6 Astra と Sol の高リスク領域における曖昧性ロバスト性を向上

原題:Improving Fuzzy Robustness in LLM Safety with Automated Red Teaming

AI 要約

OpenAI の研究チームは、サイバー・生物など高リスクのデュアルユース領域におけるモデルの曖昧性ロバスト性を自動レッドチーミングで高める手法を紹介。攻撃者モデルのテスト時計算資源を拡大してジェイルブレイクを反復探索し、複数回の繰り返しテストで攻撃が成功すること(worst@n)を要求し、信頼性の高い敵対的トレーニングデータを生成して RL トレーニングに用いる。

要点

  • OpenAI の研究チームは、サイバー・生物など高リスクのデュアルユース領域におけるモデルの曖昧性ロバスト性を自動レッドチーミングで高める手法を紹介。
  • 攻撃者モデルのテスト時計算資源を拡大してジェイルブレイクを反復探索し、複数回の繰り返しテストで攻撃が成功すること(worst@n)を要求し
  • 信頼性の高い敵対的トレーニングデータを生成して RL トレーニングに用いる

概要

公開日時
更新日時
出典
OpenAI:Alignment 研究博客(RSS)
カテゴリ
論文・研究
トピック
OpenAI / ChatGPT安全とアラインメント
AI スコア
62
原文を読む 情報源で全文を読む
おすすめの理由

OpenAI 自己披露的训练方法细节,展示了用自动化攻击生成数据提升模糊鲁棒性的可控实验和结果。

関連トピック

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、自動レッドチーミングで GPT-6 Astra と Sol の高リスク領域における曖昧性ロバスト性を向上。2026年11月12日。https://new.nat6.net/ja/news/yg97h3u5vthadivuv5po5f0aw/

すべて見る →