跳到正文
热点事件持续更新

OpenAI 发布对抗模型蒸馏防御研究

2 篇报道2 个报道来源2 小时前更新

先了解这件事

AI 综述

2026 年 11 月 20 日,OpenAI 发布研究报告,详细介绍其检测与破坏对抗性蒸馏的方法。内部自适应评估显示,GPT‑6.2 Astra 更新后,平均攻击成功率从 54.0% 显著降至 0.2%。 该防御体系结合了模型训练、分类器及 API 级控制措施。OpenAI 还提及了对 DeepSeek 和 Moonshot AI 相关活动的调查情况,旨在通过技术强化保护受保护的推理能力。 早在 11 月 21 日,OpenAI 进一步分享了研究细节,揭示了强大 AI 能力在缺乏原有安全护栏时可能被复现的风险。此举意在将经验转化为行业通用的防御支持,提升整体安全水平。

AI 根据报道生成 · 51 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. OpenAI (X)
    OpenAI 发布关于对抗模型蒸馏防御的研究

    OpenAI 分享了一项新研究,探讨如何防范模型的对抗性蒸馏。该研究揭示了强大 AI 能力如何在缺乏原有安全护栏的情况下被复现,并介绍了检测及干扰协同蒸馏攻击的技术手段,旨在提升行业安全防御水平。

11月20日
  1. OpenAI精选
    OpenAI 发布对抗性蒸馏防御研究成果

    OpenAI 发布报告,介绍其检测与破坏对抗性蒸馏的方法。内部自适应评估显示,GPT‑6.2 Astra 更新后的平均攻击成功率从 54.0% 降至 0.2%。该防御体系结合模型训练、分类器及 API 级控制,并提及对 DeepSeek 和 Moonshot AI 相关活动的调查。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。