Anthropic 新一代反蒸馏防御体系拆解

Anthropic 发布反蒸馏防御措施，针对模型蒸馏攻击构建三层防御：通过推理摘要掩盖原始思维链（CoT）、限制 API 账号编辑上下文和跨模型读取以切断攻击路径。文章指出原始推理记录是攻击者主要目标，能显著提升蒸馏模型表现，并提及针对智谱、月之暗面的具体指控。