Event ·Multi-source

OpenAI升级GPT-6.2 Astra与Sol防蒸馏防护,套取思维链成功率降至1%以下

OpenAI公布了反蒸馏方案的最新进展,为GPT-6.2 Astra和GPT-6.2 Sol两款模型升级了防护系统,手段包括专门的防套取训练、全流程内容监测拦截以及接口绑定技术,将模型内部推理过程与当前对话深度绑定,禁止跨对话提取,也不允许旧版弱防护模型读取相关内容。 模拟攻击测试的数据显示了防护效果:针对GPT-6.2 Astra,盗取历史对话推理过程的成功率从54.0%降到0.2%,盗取当前对话推理过程的成功率从22.9%降到0.9%。此前54.0%的成功率意味着历史对话中的思维链已经被大量套取。 除了技术层面,OpenAI还联合其他AI公司共同封禁违规账号(原文提到其中一家只写作"A",未给出全名),今年夏天以来每周处理数千甚至数万个批量套取的异常账号,通过提高违规成本来压制蒸馏行为。

Current read

各家都在想办法不让自家思维链被竞争对手拿去蒸馏训练,OpenAI这次拿出了具体数字:54%降到0.2%,说明之前确实被套走不少。做模型安全、搞蒸馏的团队都该看看这套组合拳怎么打的。

11 sources66° AI heatLast updated 2026/11/21 06:43:47

Evidence

11 sources
Related source 3lmarena.ai
View source
Related source 5coderabbitai
View source
Related source 7Artificial Analysis
View source
Related source 8Greg Brockman
View source
Related source 9量子位
View source
Related source 10TestingCatalog
View source

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.