11 月 20 日,OpenAI 公布 GPT-6.2 Astra 与 GPT-6.2 Sol 的推理轨迹防护进展。公司称,内部自动化测试中,从历史请求中提取受保护推理的攻击成功率由 GPT-6 的 54.0% 降至 0.2%,针对进行中请求的攻击成功率由 22.9% 降至 0.9%,并正把部分改进回推到 GPT-6 Astra。防护分两层:单次请求侧结合定向训练、输入输出过滤与 API 阻断;针对有组织攻击,公司每周封禁数千至数万个账号。Anthropic 也采取了类似措施,称拦截成功率在 90% 至 99% 之间。

来源:全球资讯与公开媒体报道