Статьи и исследования

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
Тема
OpenAI / ChatGPTБезопасность и выравнивание
Оценка ИИ
62
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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。

Темы

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.

Оригинал статьи · Материал на AIHOT

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/

Смотреть все →