OpenAI News·· 19 小时前AI 评分53
OpenAI 披露对抗蒸馏防御体系,GPT-6.2 将推理提取攻击成功率从 54.0% 降至 0.2%
Combatting adversarial distillation
AI 导读
OpenAI 发布对抗蒸馏防御技术报告,披露其如何检测并阻断未授权蒸馏行为。内部自适应红队评估显示,攻击者提取受保护推理的平均成功率从 GPT-6 Astra 原始防护下的 54.0% 降至 GPT-6.2 Astra 更新防护下的 0.2%。
来源:OpenAI News · openai.com