跳到正文
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

所属事件

查看事件全部
OpenAI披露对抗性蒸馏防御进展