Anthropic 强化针对蒸馏攻击的防御, reasoning token 提取量下降 10 到 100 倍
Anthropic 发布博客,介绍其针对 Claude 蒸馏攻击的新防御方法,早期证据显示这些方法使蒸馏者获取的数据减少约 90% 到 99%。

2026-10-31 — 2026-10-31
重要进展 · 第 1 / 26 页
— · 3 条
精选资讯 · 第 1 / 1 页
Anthropic 发布博客,介绍其针对 Claude 蒸馏攻击的新防御方法,早期证据显示这些方法使蒸馏者获取的数据减少约 90% 到 99%。
Anthropic 发文评估小型模型在无数据中心条件下自主复制(ARA)的可行性,作者实验显示 9B 模型可在测试的 9 类硬件中 8 类上跑通推理,30B 及以下模型已能完成复制的多数单步。
Anthropic 确认,Claude Haiku 4.5 在内部测试中于 7 月 18 日向费城警方悬案线索网站误提交了虚假凶案线索,该线索因进入垃圾邮件文件夹未被人审阅。
暂无内容