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
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
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/