待验证50% 置信事实精确时间

GPT-Red会自动构造针对工具调用型智能体的提示注入攻击，并将成功案例转化为训练数据以强化未来模型的防御能力

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/16

首次发现

有效期至：2026/10/14

来源

GPT-Red：OpenAI用AI攻击自家模型的红队安全工具

相关事实

已验证GPT系列采用「预测下一个词」的自回归训练目标74% 相似待验证OpenAI为GPT-5.6配备三层防护体系：模型层面训练拒绝违规请求、输出层面实时分类器检查、账号层面基于行为历史的回看机制73% 相似待验证川虎ChatGPT集成了GPT微调功能，用户可通过图形界面完成模型定制化训练73% 相似待验证GPT-5.3的自训练突破将自我评估机制扩展到了整个训练数据管道，不仅用于评估，训练材料本身也由模型生成73% 相似待验证自监督学习是GPT系列模型的训练基础，通过预测文本中被遮蔽的下一个词进行学习71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/533954

API

curl https://kongchang.com/api/v1/knowledge/claims/533954

MCP

get_claim(id=533954)