safety-research

Abliteration 推出了一种按需定制的合成训练数据工作流，可为分类器生成负样本、罕见样本和对抗性样本，包含模式、真实世界事实、标签、来源追溯，并支持导出到 Hugging Face 等平台。

本文证明，LLM中的激活引导产生的内部状态无法通过任何文本提示复制，从而在白盒可控性和黑盒提示之间建立了形式上的区分。

OpenAI 详细介绍了 Voice Engine 的开发历史和安全方法，从 2022 年的内部测试到包括 ChatGPT 语音模式和 TTS API 在内的各种有限部署，强调了与专业配音演员的谨慎推出和与政策制定者的持续合作，以应对合成语音风险。