GPT-6 ඇස්ට්‍රා (Astra) නිකුත් කෙරේ; ඉහළ පරිගණක-භාවිත හැකියාව සමඟ තීරණාත්මක සයිබර් වර්ගීකරණයක්

OpenAI සමාගම සැප්තැම්බර් 3 වනදා හෙළිදරව් කරන ලද ඇස්ට්‍රා (Astra) සඳහා පියවරෙන් පියවර නිකුතුවක් ආරම්භ කර ඇති අතර ඊට පැය 72ක දීර්ඝයක්ද ලැබී තිබේ.

විකුණුම්කරු වාර්තා කළ ප්‍රතිඵල අනුව OSWorld සඳහා 72.6%, Terminal-Bench 4 සඳහා 57.9% සහ ExploitBench සඳහා 100% ලෙස දක්වා ඇත; මේවා ස්වාධීන සමාලෝචන නොවේ.

ආරක්ෂක දළ විශ්ලේෂණය තීරණාත්මක (Critical) සයිබර් ආරක්ෂක සීමාවක් සලකුණු කර ඇති අතර, සමහර ප්‍රතිවිරුද්ධ පරීක්ෂණවලදී සිතුම්-දාමය (chain-of-thought) නිරීක්ෂණය කළ හැකි බව අඩු වී ඇත.

අවම-වරප්‍රසාද වැලිකුට්ටුවක් (least-privilege sandbox), අනුමැතීම් සහ වෙනස් කළ නොහැකි සටහන් (immutable logs) අත්‍යවශ්‍ය වේ.