OpenAI 通过自动化红队测试提升 GPT-6 Astra 在高风险领域的模糊鲁棒性

OpenAI 在 GPT-6 Astra 和 Sol 上通过自动化红队测试提升模型在高风险领域（如网络、生物、暴力）对越狱攻击的模糊鲁棒性。研究使用攻击者模型迭代优化提示词，生成越狱样本用于强化学习训练，结果显示 GPT-6 Astra 在固定和自适应多轮越狱测试中安全得分显著高于 GPT-5.6 Sol。