OpenAI Dùng GPT-Red Để Tấn Công Model Của Mình
1 phút đọc
OpenAI phát triển GPT-Red như một hệ thống kiểm tra tự động dùng huấn luyện tự chơi để cải thiện an toàn, sự liên kết và khả năng chống chọi với câu lệnh chèn. Công ty cho biết GPT-Red đã giúp GPT-5.6 trở thành bản phát hành vững chắc nhất đến nay.
Tuần trước OpenAI đã phát hành GPT-5.6. GPT-Red tự động hóa việc tìm lỗi và kết quả được đưa trực tiếp vào việc tăng cường bảo vệ cho model.
Nguồn tham khảo
Bản tin này do AI tổng hợp và viết lại bằng tiếng Việt từ các bài dưới đây. Đọc bản gốc để có đầy đủ chi tiết.
- OpenAI is now using AI to attack its own AI, and it's working better than humans ever did— The Decoder, 15 tháng 7, 2026
- Meet GPT-Red: an LLM super-hacker OpenAI built to make its models safer— MIT Technology Review, 15 tháng 7, 2026
- GPT-Red: Unlocking Self-Improvement for Robustness— OpenAI, 15 tháng 7, 2026