OpenAI以自动化红队训练增强模型防越狱能力
热点事件历史事件
OpenAI以自动化红队训练增强模型防越狱能力
1 篇报道1 个报道来源7 天前更新
先了解这件事
AI 综述
OpenAI称,其通过自动化红队生成合成越狱提示,并采用强化学习训练GPT-6 Astra和Sol,增强模型在网络安全、生物及暴力活动等高风险领域抵御模糊越狱的能力。 在固定越狱数据集的网络安全评测中,GPT-6 Astra的安全回答率为91.5%,GPT-5.6 Sol为59%;OpenAI还称,相关训练改善了两款模型抵御固定和自适应攻击的能力,且GPT-6 Astra未因安全训练而增加对正常请求的拒绝。
AI 根据报道生成 · 7 天前更新
最新进展11月12日 16:00
OpenAI 用自动化红队训练提升 GPT-6 Astra 和 Sol 的高风险领域模糊鲁棒性报道时间线
沿着报道,了解事件的不同侧面。
11月12日
- AIHOTOpenAI 用自动化红队训练提升 GPT-6 Astra 和 Sol 的高风险领域模糊鲁棒性
OpenAI 介绍如何利用自动化红队生成合成越狱提示,并通过强化学习训练 GPT-6 Astra 和 Sol 提升其在网络、生物及暴力活动领域的模糊鲁棒性。在固定越狱数据集的网络安全评测中,GPT-6 Astra 的安全回答率为 91.5%,GPT-5.6 Sol 为 59%。鲁棒化提示训练还改善了模型对固定和自适应攻击的抵抗能力,GPT-6 Astra 也未因安全训练而增加对正常请求的拒绝。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 711月13日 04:00
- 近 24 小时变化
- -49%
02468
06:0012:0018:0011月14日06:0012:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。