博客文章

OpenAI 通过独立评估、方法论审查和领域专家探测三种形式的外部测试，强化前沿 AI 的安全生态系统。第三方评估验证安全声明、防止盲点、提高透明度，并帮助做出负责任的部署决策。

bingdada

2026-08-02158约 8 分钟阅读

OpenAI 发布 GPT-5.2-Codex 系统卡附录，详解其先进代理编码模型的安全措施与能力评估。该模型在上下文压缩、项目级任务和网络安全方面显著提升，但网络安全尚未达到高能力阈值，生物学领域则被归类为高能力并部署相应防护。

bingdada

2026-08-02164约 4 分钟阅读

OpenAI更新模型规范，引入U18原则以保护13-17岁青少年安全。基于发育科学，该原则强调预防、透明和早期干预，并得到美国心理学会等专家支持。

bingdada

2026-08-02143约 5 分钟阅读

OpenAI宣布向英国AI安全研究所创立的“对齐项目”提供750万美元资助，旨在支持全球独立AI对齐研究。该笔资金将用于探索计算复杂性理论、认知科学等多元领域，强化前沿实验室之外的独立研究生态系统，确保AGI安全发展。

bingdada

2026-08-02150约 5 分钟阅读

OpenAI 2026年2月安全报告揭示了威胁行为者如何利用AI与传统工具结合进行恶意活动，包括跨模型操作和自动化攻击。报告提供了案例研究和防御策略，强调行业合作与主动预防的重要性。

bingdada

2026-08-02165约 4 分钟阅读

OpenAI 最新研究发现，即使被告知被监控，推理模型也难以控制其思维链。这种低可控性对 AI 安全有利，表明思维链监控仍是可靠的安全屏障。文章介绍了 CoT-Control 评估套件，并分析了其对 AI 安全的启示。

bingdada

2026-08-02135约 7 分钟阅读

OpenAI发布GPT-5.4 Thinking系统卡，这是首个在网络安全领域实施高能力缓解措施的通用推理模型。本文深入解读其核心特性、技术架构与行业影响。

bingdada

2026-08-02167约 5 分钟阅读

OpenAI 发布 IH-Challenge 训练数据集，通过强化学习优化大模型的指令层级优先级，显著提升对提示注入攻击的鲁棒性和安全可操控性，同时避免过度拒绝。

bingdada

2026-08-02169约 7 分钟阅读

OpenAI日本发布《日本青少年安全蓝图》，通过年龄感知保护、强化安全政策、家长控制工具和以福祉为中心的设计，为青少年安全使用生成式AI提供全面保障。

bingdada

2026-08-02157约 5 分钟阅读

OpenAI 发布 GPT-5.4-Cyber 并大幅扩展可信访问计划，通过民主化访问、迭代部署和生态系统投资，为下一时代网络防御提供 AI 驱动的新工具，帮助防御者应对日益复杂的网络威胁。

bingdada

2026-08-02144约 7 分钟阅读

OpenAI 推出“可信网络访问”计划，联合全球领先企业、安全供应商及开源团队，构建广泛参与的网络防御生态系统。该计划以信任与验证为基础，通过API投资和前沿模型共享，加速防御能力普及，守护关键数字基础设施。

bingdada

2026-08-02134约 4 分钟阅读

OpenAI发布社区安全承诺声明，详细介绍了如何通过模型训练、自动化检测系统和人工审核来防范暴力与危害内容，包括识别细微风险信号、提供危机资源支持、执行零容忍政策等关键措施。

bingdada

2026-08-02140约 7 分钟阅读