OpenAI推出GPT-Red自动化红队模型

OpenAI正式发布内部自动化红队系统GPT-Red，该模型通过对抗性自博弈训练，专门发现模型提示注入漏洞并用于加固防御。GPT-Red已帮助GPT-5.6 Sol将提示注入失败率降至此前最佳模型的六分之一，性能超越人工红队。OpenAI将GPT-Red保持内部使用，不对外发布。

该系统标志AI安全从被动测试转向主动自改进闭环，部署前漏洞发现能力显著提升。

信源:https://openai.com/index/unlocking-self-improvement-gpt-red/