开源中国·2026-10-13 14:57· 20 天前精选AI 评分70

Anthropic 发布反蒸馏防御研究

Anthropic 公开反蒸馏防御战报：让推理记录更难被偷、捕获量降了九成

AI 导读

Anthropic 发布博客，介绍其针对蒸馏攻击的反蒸馏防御方法，旨在提升模型安全性。

推荐理由

Anthropic 提出反蒸馏防御方法，有助于提升模型安全性，读者可关注其具体实施和效果。

来源：开源中国 · oschina.net

#论文/研究 #Agent #安全/对齐 #Anthropic