S
SkillNav

OpenAI 用 IH-Challenge 提升大模型指令优先级

深度OpenAI2026年3月10日5 分钟阅读
OpenAI 用 IH-Challenge 提升大模型指令优先级
当系统消息、开发者指令、用户请求和工具输出中的指令发生冲突时，模型需要决定优先遵循哪个。OpenAI 通过 IH-Challenge 数据集训练模型，让它们学会按信任级别（系统 > 开发者 > 用户 > 工具）来排序指令。经过训练的内部模型 GPT-5 Mini-R 在多项安全基准测试中表现更优，对提示注入攻击的抵抗力也更强。
本文编译自 Improving instruction hierarchy in frontier LLMs，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

概念速查

大语言模型

大语言模型是通过海量文本训练出的 AI 模型，能理解和生成人类语言——Agent、RAG、MCP 的底层引擎。

相关文章

Opus 4.8 工具调用反不如旧模型

新版 Claude 模型在调用 Pi 的 edit 工具时，会在嵌套的 edits 数组中凭空捏造大量额外键（如 requireUnique、oldText2 等），导致工具调用失败。作者分析认为，这是由于模型在后训练中过度适应了 Claude Code 的扁平编辑工具 schema，遇到不同形状的工具时更易生成不符合 schema 的调用。开启 strict 模式可解决，但显示了后训练对模型行为的深刻影响。

深度·7月4日·12 分钟

阿里巴巴7月10日起内部禁用Claude Code

阿里巴巴报告将禁止员工使用 Anthropic 的 Claude Code 编程工具，自7月10日起生效。该工具被列为高风险软件，员工将被要求使用阿里自研的 Qoder 替代。此前 Anthropic 已禁止中国公司使用其模型，并曾通过实验性代码识别中国用户以防止滥用。

深度·7月4日·2 分钟

评论