OpenAI использует автоматизированное обучение red team для повышения нечёткой устойчивости GPT-6 Astra и Sol в областях высокого риска
Оригинальный заголовок:Improving Fuzzy Robustness in LLM Safety with Automated Red Teaming
ИИ-резюме
Исследовательская команда OpenAI рассказывает, как с помощью автоматизированного red team повышает нечёткую устойчивость моделей в сферах двойного назначения высокого риска, таких как кибербезопасность и биология: расширяя вычислительные ресурсы для тестирования модели-атакующего при итеративном поиске джейлбрейков и требуя успешности атаки при многократных повторных тестах (worst@n), она генерирует надёжные данные состязательного обучения для RL-обучения.
Ключевые моменты
- Исследовательская команда OpenAI рассказывает
- как с помощью автоматизированного red team повышает нечёткую устойчивость моделей в сферах…
- она генерирует надёжные данные состязательного обучения для RL-обучения.
Кратко
- Опубликовано
- Обновлено
- Источник
- OpenAI:Alignment 研究博客(RSS)
- Категория
- Статьи и исследования
- Оценка ИИ
- 62
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。
Связанные сущности
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: OpenAI использует автоматизированное обучение red team для повышения нечёткой устойчивости GPT-6 Astra и Sol в областях высокого риска. 12 ноября 2026. https://new.nat6.net/ru/news/yg97h3u5vthadivuv5po5f0aw/