AI 周报

OpenAI 发布 GPT-6 Cyber 网络安全模型

模型发布/更新

产品发布/更新

行业动态

论文研究

  • OpenAI 训练并部署激活分类器作为前沿模型安全监控层

    OpenAI 自 GPT-5.6 起在其最强模型的内部和外部流量上部署激活分类器(probes),利用模型内部激活逐 token 实时评分,可在生成中途阻断违规回复和工具调用并交由推理模型复审。实验显示 probes 比更大的文本分类器对…

    OpenAI:Alignment 研究博客(RSS)论文与研究AI 评分 63

技巧与观点