待验证85% 置信事实时间未知
OpenAI通过增加分类器（classifiers）作为安全补丁，在用户查询前后分别设置AI保镖模型进行安全检查
1
来源数
85%
置信度
中期 (~90 天)
时效性
2026/5/31
首次发现
有效期至：2026/8/29
来源
GPT 5.5即时版深度解析：幻觉率腰斩背后的能力与安全博弈
bilibili英文白斑马
涉及实体
相关事实
待验证OpenAI描述了一套分层软性安全防护栈，涵盖训练保护、实时内容检查、账户风险监测、访问权限控制、行为监控和持续红队测试76% 相似待验证OpenAI有Preparedness Framework，对模型在网络安全、CBRN威胁、说服力和自主行为四个维度进行分级评估76% 相似待验证OpenAI新一代智能体因安全评估达到关键等级，发布被延后75% 相似待验证Meta的LlamaGuard和OpenAI的内容审核API采用类似的守门人分类器架构74% 相似待验证OpenAI的InstructGPT、Anthropic的Constitutional AI以及Meta的Llama系列都采用了类似的安全对齐流程74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/3408API
curl https://kongchang.com/api/v1/knowledge/claims/3408MCP
get_claim(id=3408)