Безопасность · Понятие
GPT-Red: LLM-суперхакер OpenAI для adversarial-укрепления
Автономная хакерская/red-team система OpenAI, освещаемая в техпрессе как средство adversarial-укрепления.
Горизонт прогноза
Automated red-teaming may become standard pre-release infrastructure at frontier labs.
Связи
Связи · 5
Как этот узел связан с остальной картой и какие подтверждения стоят за связями.
входит · публикует 6/10
OpenAI Рассылка MIT Technology Review упоминает автономный хакерский capability OpenAI.
+6 прирост ведёт к · поддерживает 5/10
Отраслевая рамка оценки серьёзности jailbreak Атакующие super-hacker модели и общий скоринг тяжести jailbreak — взаимодополняющая отраслевая инфраструктура safety-оценки.
+5 прирост ведёт к · внедряется через 4/10
OpenAI Пресса связывают линию автономного хакера / GPT-Red с OpenAI.
+4 прирост входит · внедряется через 3/10
OpenAI OpenAI создал GPT-Red как внутреннего суперхакера-спарринг-партнёра для закалки моделей, включая GPT-5.6.
+3 прирост входит · implements 3/10
OpenAI Техпресса связывает OpenAI с автономной hacking/red-team системой для hardening.
+3 приростИсточники сигнала
Источники сигнала
Датированные факты из первоисточников по этому направлению.
Центр оценок США Jun 2025
В июне 2025 года Институт безопасности ИИ США переименован в Центр стандартов и инноваций ИИ (CAISI) с разворотом к безопасности, стандартам и оценке моделей противников.
NIST → Защита фронтира May 2025
Anthropic активировала стандарт развёртывания и безопасности ASL-3 вместе с Claude Opus 4 22 мая 2025 — первое реальное срабатывание ступени ответственного масштабирования, нацеленное на блокировку биорисков.
Anthropic → Трансграничное тестирование 2025
Международная сеть институтов безопасности ИИ (создана в ноябре 2024) провела третье совместное тестирование, сфокусированное на агентных ИИ-системах по кибер- и мошенническим направлениям.
European Commission — AI Office →