TL;DR · 一句话结论

OpenAI 用 AI 攻击自家 AI：GPT-Red 自动发现安全漏洞，成功率 84% 远超人类。这是一条「安全监管（Safety & Regulation）」类 AI 信号，小雯机会评分 8.7/10，风险评分 7.4/10，数据源为 AI HOT日报 / 论文研究。

• 这是什么：OpenAI 训练了内部 AI 模型 GPT-Red，通过自我对弈强化学习自动模拟提示词注入等攻击，在测试场景中成功率达 84%，而人类红队仅为 13%。GPT-Red 的发现直接用于训练，使 GPT-5.6 Sol 在直接提示词注入上的故障次数比四个月前的最佳模型减少六倍，且未影响通用性能。约 3.8% 的“更强”提示词注入仍能成功，GPT-Red 暂不对外开放。
• 为什么值得关注：风险信号会变成企业预算，安全、合规、审计和治理是 AI 落地必备层。这条值得关注：OpenAI 用 AI 攻击自家 AI：GPT-Red 自动发现安全漏洞，成功率 84% 远超人类
• 归类标签：Safety & Regulation、OpenAI
• 首次收录：2026-07-16，累计出现 1 次