跳到正文
RadarAI· meng shao·· 6 小时前AI 评分58

OpenAI 发布对抗性蒸馏防护,GPT-6.2 内部推理提取成功率从 54% 降至 0.2%

OpenAI 发布对抗性蒸馏防护,内部推理提取成功率从 54%骤降至 0.2%

AI 导读

OpenAI 发布《Combatting adversarial distillation》白皮书,公布针对未经授权模型能力提取的对抗性蒸馏防护措施。测试显示,GPT-6.2 模型的内部推理提取成功率从 54% 降至 0.2%,该防护重点保护模型不向用户公开的推理过程。

来源:RadarAI · bestblogs.dev