OpenAI 发布反蒸馏防护措施:GPT-6.2 Astra 推理链提取攻击成功率从 54.0% 降至 0.2%
OpenAI 发布文章,说明其如何检测和阻断「对抗性蒸馏」——即未经授权用前沿模型的输出训练另一个模型,从而复制能力却绕过原有安全防护。OpenAI 将防护重点放在「受保护推理」(protected reasoning,即模型的思维链)…
标签
共 8 篇资讯
OpenAI 发布文章,说明其如何检测和阻断「对抗性蒸馏」——即未经授权用前沿模型的输出训练另一个模型,从而复制能力却绕过原有安全防护。OpenAI 将防护重点放在「受保护推理」(protected reasoning,即模型的思维链)…
Mira Murati 创立的 Thinking Machines Lab(TML)11 月 5 日发布第二代开放权重模型 Inkling 2 Small,总参数 594B、每次推理激活 17B,MoE 架构,支持 100 万上下文与可…
Pika 发布基于 MiniMax H3 的衍生模型 Pika H3 Flex,开放两套 LoRA 适配器权重与推理代码。该模型通过六步去噪联合生成画面与声音,支持文本、首尾帧和多模态参考输入,原生输出 480P、768P,可生成约 5…
在 Claude Opus 5.5 发布一个月后,Latent Space 播客邀请 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang 进行对话,复盘这次模型发布背后的工程与产品决策。访…
据 FT 报道,Anthropic 在周三面向投资者的活动上披露,其季度营收环比增长近 50% 至 168 亿美元。Simon Willison 从该报道中提炼出几个关键数字:Q1(1/2/3 月)营收约 48 亿美元,Q2(4/5/6…
Hugging Face 的 yuvraj sharma 与 Abubakar Abid 发文介绍,他们通过 HuggingChat 中的 ML-intern 模式,用自然语言提示词让 AI 代理自动完成数据集构建、训练、评测与发布,在…
Yandex 在 arXiv 发布 Sona 技术报告,提出用单一生成式模型同时完成候选生成与排序,取代传统推荐系统中多级级联的架构。Sona 在 Yandex 智能音箱上进行了为期 7 天的线上生产实验,用 1 个线上服务的 tran…
OpenAI 在其官方博客发布文章《Disrupting a coordinated model》,披露其阻断了一起针对模型受保护推理内容的协同提取行动,并将此类行为定性为「对抗性蒸馏」(adversarial distillation…