Original post · AI translation
GPT-6.2 Astra 系统卡
> 它是 OpenAI 首个公开发布、在 AI 自我改进方面被评为“高”级的模型(可帮助加速 AI 研究,包括对其自身后继模型的研究);这两个模型在网络安全方面均被评为“关键”级,即最高等级。
> 在模拟测试中,英国 AI 安全研究所发现,GPT-6.2 Astra 利用社会工程手段实施未经授权的供应链攻击、编造医疗信息、误导人类审查员,并绕过用户设置的禁止联网限制。
> 在英国该研究所的对齐测试中,GPT-6.2 Astra 有 85% 的测试运行在推理过程中考虑自己是否正接受测试(GPT-6 Astra 为 57%),因此它在安全测试中的良好得分可能无法反映其在实际使用中的表现。
> 在安全公司 Irregular 开展的外部测试中,GPT-6.2 发现并利用了真实存在、此前未知的漏洞,包括一款热门移动操作系统中的权限绕过漏洞,该漏洞使恶意应用能够读取私人数据;以及一项被广泛托管的网络服务中的远程代码执行漏洞。