บทความและงานวิจัย

Transluce ใช้ RL ฝึก investigator agent เจาะโมเดลแนวหน้าโดยอัตโนมัติ Llama-3.1 8B ก็โจมตี GPT-5 และ Claude ได้

หัวข้อต้นฉบับ:Automatically Jailbreaking Frontier Language Models with Investigator Agents

สรุปโดย AI

Transluce ฝึก investigator agent ด้วยการเรียนรู้แบบเสริมกำลัง เพื่อสร้างพรอมต์เจลเบรกภาษาธรรมชาติสำหรับ 48 ภารกิจเสี่ยงสูงที่เกี่ยวข้องกับ CBRN วัตถุระเบิด และยาต้องห้าม โดยมีอัตราความสำเร็จ pass@1 ต่อ Claude Sonnet 4, Grok 4, Gemini 2.5 Pro และ GPT-5-main ที่ 92%, 98%, 90% และ 78% ตามลำดับ

ข้อมูลสำคัญ

  • Transluce ฝึก investigator agent ด้วยการเรียนรู้แบบเสริมกำลัง…
  • Gemini 2.
  • 5 Pro และ GPT-5-main ที่ 92%,98%,90% และ 78% ตามลำดับ

สรุปสั้น

เวลาเผยแพร่
เวลาอัปเดต
แหล่งที่มา
Transluce(网页)
หมวดหมู่
บทความและงานวิจัย
คะแนน AI
70
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

原文给出完整的 RL 训练方法和跨模型迁移数据,并开源代码与提示词,读者可评估低成本自动红队的可行性。

เอนทิตีที่เกี่ยวข้อง

แหล่งที่มาและลิขสิทธิ์

บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม

ลิงก์ต้นฉบับ · รายการ AIHOT

วิธีอ้างอิง

เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News

Orange News: Transluce ใช้ RL ฝึก investigator agent เจาะโมเดลแนวหน้าโดยอัตโนมัติ Llama-3.1 8B ก็โจมตี GPT-5 และ Claude ได้ 3 กันยายน 2025 https://new.nat6.net/th/news/cmtyo2tx503jorog01e4ibvpa/

ดูทั้งหมด →