OpenAI用AI攻击自家AI，GPT-Red成功率84%远超人类13%

OpenAI内部开发了GPT-Red模型，通过自我对战训练自动寻找自身AI系统的漏洞。在测试中，GPT-Red在84%的场景中成功找到攻击方法，而人类红队成员仅有13%的成功率。这些攻击结果直接用于强化模型，如即将发布的GPT-5.6 Sol。该方法显著提升了红队测试的效率与覆盖面。