OpenAI o1強推理能提升安全性？長對話誘導干翻o1

AIGC動態歡迎閱讀

原標題：OpenAI o1強推理能提升安全性？長對話誘導干翻o1
關鍵字：政策,研究人員,節點,模型,線索
文章來源：機器之心
內容字數：0字

內容摘要：

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或者聯系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com
本文作者來自于上海交大，上海 AI Lab 和北航。第一作者是上海交大博士生任麒冰，導師為馬利莊教授，其他作者包括北航研究生李昊，上海 AI Lab 研究員劉東瑞，上海 AI Lab 青年科學家邵婧等。
最近，以 OpenAI o1 為代表的 AI 大模型的推理能力得到了極大提升，在代碼、數學的評估上取得了令人驚訝的效果。OpenAI 聲稱，推理可以讓模型更好的遵守安全政策，是提升模型安全的新路徑。
然而，推理能力的提升真的能解決安全問題嗎？推理能力越強，模型的安全性會越好嗎？近日，上海交大和上海人工智能實驗室的一篇論文提出了質疑。
這篇題為《Derail Yourself: Multi-turn LLM Attack through Self-discov

原文鏈接：OpenAI o1強推理能提升安全性？長對話誘導干翻o1

聯系作者

文章來源：機器之心
作者微信：
作者簡介：