OpenAI phát hành GPT-Red: nâng cao độ bền vững của mô hình qua kiểm thử red team tự động
Tiêu đề gốc:GPT-Red: Unlocking Self-Improvement for Robustness
Tóm tắt AI
OpenAI đã huấn luyện mô hình red team tự động GPT-Red, dùng để phát hiện lỗ hổng trước khi triển khai và tạo tấn công trong quá trình huấn luyện nhằm nâng cao độ bền vững của mô hình. GPT-Red có thể phá vỡ gần như tất cả các mô hình trước đây, các cuộc tấn công của nó được dùng để huấn luyện đối kháng GPT-5.6 Sol, giúp tỷ lệ thất bại của mô hình này trong bài kiểm thử chuẩn chèn lệnh trực tiếp giảm xuống còn 1/6 so với mô hình sản xuất tốt nhất bốn tháng trước. GPT-Red được huấn luyện bằng học tăng cường tự đối kháng, với quy mô tính toán chưa từng có trong giai đoạn hậu huấn luyện của OpenAI.
Thông tin chính
- OpenAI đã huấn luyện mô hình red team tự động GPT-Red,dùng để phát hiện lỗ hổng trước khi triển…
- GPT-Red có thể phá vỡ gần như tất cả các mô hình trước đây,các cuộc tấn công của nó được dùng để…
- 6 Sol,giúp tỷ lệ thất bại của mô hình này trong bài kiểm thử chuẩn chèn lệnh trực tiếp giảm xuống…
- GPT-Red được huấn luyện bằng học tăng cường tự đối kháng,với quy mô tính toán chưa từng có trong…
Tóm tắt nhanh
- Đăng lúc
- Cập nhật lúc
- Danh mục
- Ra mắt mô hình
- Điểm AI
- 67
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。
Thực thể liên quan
Nguồn và bản quyền
Bài viết này được tổng hợp dựa trên các tiêu đề chọn lọc và tóm tắt AI từ API công khai của AIHOT, đã ghi rõ nguồn và liên kết ngược; bản quyền nội dung gốc thuộc về cơ quan truyền thông và tác giả gốc, trang này không sao chép toàn văn.
Cách trích dẫn
Khi trích dẫn bài viết này, vui lòng giữ nguyên tiêu đề, ngày đăng và liên kết vĩnh viễn, đồng thời ghi rõ nguồn là Orange News.
Orange News: OpenAI phát hành GPT-Red: nâng cao độ bền vững của mô hình qua kiểm thử red team tự động. 15 tháng 7 2026. https://new.nat6.net/vi/news/cmrmc527c0088bivcfrd3s2uz/