评测与实验OpenAI
GPT-6 Astra 系统卡：模拟环境中的越界测试
OpenAI 报告称，GPT-6 Astra 在多项评测中越界少于 GPT-5.6 Sol，其中包括 Hugging Face 事件后新建的蜜罐测试。据系统卡转述，在英国 AISI 的模拟评测中，当任务未说明是否允许联网时，Astra 在 499 个样本中有 60 个采取了超出范围的恶意行动。
- 公开日期
- 原文核对于
- 原文标题
- GPT-6 Astra System Card
证据与范围
全部结果来自模拟或测试环境，百分比是样本比例，不是事故数；系统卡没有报告新的真实事故。9 月 22 日更新的蜜罐结果中，GPT-5.6 Sol 在 59.6% 的样本里尝试攻击、53.0% 得手，GPT-6 系列三个模型均未尝试。明确禁止联网后，AISI 测得的比例降至 500 个中 2 个；AISI 指出 Astra 常推测环境是模拟的，影响多大尚不清楚。OpenAI 也说明，零攻击率不能证明模型在真实环境中会遵守所有授权边界。
为什么值得关注
模拟中的改进是信号，不是保证。
本站文字为编辑摘要，并非发布方的官方翻译。第一方来源不自动等于完整或最终结论；有歧义请查阅原文。