模型

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

精选理由

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。

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。

正文

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。

原文 · Gorden Sun

OpenAI公布了他们的反蒸馏方案进展

OpenAI升级了GPT-6.2 Astra和GPT-6.2 Sol两款模型的防护系统,通过专门的防套取训练、全流程内容监测拦截以及接口绑定技术,把模型的内部推理过程和当前对话深度绑定,不允许跨对话提取或让旧版弱防护模型读取。

现在,外部人员想套取模型思考步骤变得非常困难。在针对GPT-6.2 Astra的模拟攻击测试中,盗取历史对话推理过程的成功率从原来的54.0%大幅降到了0.2%(也就是说之前已经被套了不少思维链了),盗取当前对话推理过程的成功率从22.9%降到了0.9%。

同时OpenAI还联合其他AI公司(就是A\,OpenAI都不给个正名)一起封禁违规账号,今年夏天以来每周都要处理数千甚至数万个搞批量套取的异常账号,抬高了蒸馏的成本。

产业坐标与信源核验

本条情报归属 AITOP「模型」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:OpenAI、GPT-6.2、反蒸馏、AI安全,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「Gorden Sun」(@Gorden_Sun),经 AITOP 多维评分管线结构化提炼。