AGI Hunt· OpenAI·2026-11-21 03:33· 2 小时前AI 评分52OpenAI 发布反蒸馏研究,探讨检测与拦截能力转移OpenAI 发布反蒸馏研究:检测并拦截绕过安全护栏的能力转移AI 导读OpenAI 发布对抗模型蒸馏的新研究,探讨如何检测并干扰模型在不带安全护栏的情况下复制能力。研究覆盖能力经蒸馏迁移的机制、协调性蒸馏尝试的检测方法及相应干扰手段,相关发现正用于强化 OpenAI 自身防御。来源:AGI Hunt · agihunt.infoOpenAI / ChatGPT安全对齐论文研究#论文/研究#安全/对齐#OpenAI查看事件全部后续