Anthropic 强化针对蒸馏攻击的防御，蒸馏者可提取的推理 token 减少 10 到 100 倍
Strengthening our defenses against distillation attacks
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
Anthropic 发布博客称，新防御方法已将蒸馏者获取的数据量减少约 90% 至 99%，部署两阶段分类器后蒸馏者在其平台上提取的推理 token 比此前低 10 到 100 倍。
推荐理由
Anthropic 详述反蒸馏三项技术及实测数据，开发者可据此了解攻击手法、防御代价与平台协作的可行路径。
来源：Anthropic Research · anthropic.com