GPT -6 Astra Sistem Kartı

Bugün, şimdiye kadar geniş çapta dağıttığımız en yetenekli model olan GPT-6 Astra'yı piyasaya sürüyoruz. Astra, Hazırlık Çerçevemiz kapsamında Kritik siber güvenlik kapasitesine ulaşan ilk modelimizdir. Bu fırlatmanın güvenliği hakkında bilmeniz gereken en önemli şeyler şunlardır: GPT-6 Astra, siber yeteneklerde önemli bir adımdır ve Kritik eşiğimizi karşılar. Bu, doğru araçlar ve erişimle GPT-6 Astra'nın daha önce bilinmeyen güvenlik açıklarını bulabileceği ve her adımı yönlendiren bir kişi olmadan birçok iyi korunan sistemde bunlardan yararlanmanın yeni yollarını geliştirebileceği anlamına gelir. Buna göre, ister yanlış kullanım ister yanlış hizalama nedeniyle olsun, modelin zararlı siber eylemlerde bulunmasına karşı korumalarımızı önemli ölçüde güçlendirdik. Ayrıca, Astra ve benzeri modellerin dahili gelişimini ve dağıtımını güvence altına almak için daha katı izolasyon, kontrol noktası şifrelemesi, düşünce zincirleri (CoT) dahil olmak üzere tüm yörüngelerin evrensel olarak izlenmesi ve dahili kullanımdan önce blokaj hizalama değerlendirme süreci dahil olmak üzere adımlar attık. GPT-6 Astra önceki modellere göre çok daha sağlamdır. Yeni sağlamlık güvenlik eğitimi tekniklerini bir araya getiren GPT-6 Astra, daha uzun yörüngeler de dahil olmak üzere jailbreak'lere karşı GPT-5.6 Sol'a göre önemli ölçüde daha dayanıklıdır. Bunu çevrimdışı testlerden ve sıkı dahili ve harici jailbreak testleri ve iyileştirme programımızdan biliyoruz.

Potansiyel olarak yüksek riskli olarak işaretlenen kullanıcılar için ayrıca, modelin reddetme sınırını daha ihtiyatlı olacak ve daha geniş bir ikili kullanım riskleri aralığını kapsayacak şekilde ayarlama becerisi konusunda da eğitim aldık. Astra'nın önceki test dönemlerinde tespit edilen jailbreak'lere karşı dayanıklı olduğundan emin olmak için regresyon testi kullanıyoruz ve iyileştirmelerimizi doğrulamak için en yeni dahili kırmızı ekip saldırganlarımızla yeni otomatik kırmızı ekip turları gerçekleştirdik. GPT-6 Astra, GPT-5.6 Sol'dan daha iyi hizalanmıştır. Astra, model hizalamasında ileriye doğru atılmış önemli bir adımdır ve eğitim öncesi verilerimizin kompozisyonunu takviye öğrenimi sırasındaki derecelendirmemize kadar uzanan hizalama iyileştirmelerini içerir. Yeni bir uyum değerlendirme paketi rapor ediyoruz ve GPT-6 Astra'nın emniyet ve güvenlik sınırlarına saygı gösterme ve yetkili kapsamı dahilinde kalma konusunda daha güçlü olduğunu tespit ediyoruz.