OpenAI 用 AI 攻击自家 AI，成功率 84% 远超人类

OpenAI 使用内部 GPT-Red 模型攻击自家 AI，在 84% 的测试场景中成功找到漏洞，远超人类红队 13% 的成功率。

• GPT-Red 通过自对弈训练，能高效发现模型弱点。
• 结果直接用于加固 GPT-5.6 Sol 等模型。
• 该方法大幅提升安全测试效率，降低人力成本。
• 标志着 AI 安全测试从人工向自动化转变。
• 影响/看点：AI 自我攻击成为模型安全的新标准，可能重塑 AI 安全行业。