Artículos sobre adversarial training

OpenAI presenta GPT-Red: el atacante de IA interno que fortalece GPT-5.6 contra prompt injection

OpenAI revela GPT-Red, un modelo interno de red-teaming automatizado que ataca sus propios modelos para encontrar vulnerabilias. GPT-5.6 Sol resiste 99.95% de los ataques. Fake Chain-of-Thought attacks bajaron del 95% al <10%.