OpenAI 发布 GPT-Red:通过自动化红队测试提升模型鲁棒性
原文标题:GPT-Red: Unlocking Self-Improvement for Robustness
AI 摘要
OpenAI 训练了自动化红队模型 GPT-Red,用于在部署前发现漏洞并在训练中生成攻击以提升模型鲁棒性。GPT-Red 能攻破此前几乎所有模型,其攻击被用于对抗训练 GPT-5.6 Sol,使该模型在直接提示注入基准测试中的失败率降至四个月前最佳生产模型的 1/6。GPT-Red 通过自对弈强化学习训练,投入了 OpenAI 后训练中前所未有的计算规模。
关键信息
- OpenAI 训练了自动化红队模型 GPT-Red,用于在部署前发现漏洞并在训练中生成攻击以提升模型鲁棒性。
- GPT-Red 能攻破此前几乎所有模型,其攻击被用于对抗训练 GPT-5.
- 6 Sol,使该模型在直接提示注入基准测试中的失败率降至四个月前最佳生产模型的 1/6。
- GPT-Red 通过自对弈强化学习训练,投入了 OpenAI 后训练中前所未有的计算规模
- 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.
速览
- 发布时间
- 更新时间
- 分类
- 模型发布
- AI 评分
- 67
推荐理由
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。
相关实体
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:OpenAI 发布 GPT-Red:通过自动化红队测试提升模型鲁棒性。2026年7月15日。https://new.nat6.net/news/cmrmc527c0088bivcfrd3s2uz/