Anthropic 強化反蒸餾防禦，稱蒸餾資料獲取量降約九成
Anthropic 公布新的反蒸餾措施，早期證據顯示蒸餾者獲取的資料量已減少約 90% 至 99%。核心做法是讓 Claude 的推理過程更難被提取：把推理摘要化後，用完整推理微調的模型在 SWE-bench Verified 上得 80.4%，僅用摘要則降到 71.8%。攻擊者隨後轉向主動誘導模型逐字輸出隱藏推理，並架設控制數十萬虛假帳號的代理網路。Anthropic 稱為此拒絕了可觀收入和數萬億 token 的付費流量，部分正常使用者需更新整合。
官方少見的量化披露：反蒸餾帶來 90%–99% 的資料削減，也帶來收入與相容性代價，對通過 API 整合 Claude 的開發者最有參考價值。
原標題：Strengthening our defenses against distillation attacks
閱讀原文
| 評分 | 82 / 84（平均 83，門檻 60） |
|---|---|
| 狀態 | 精選（舊聞，已歸檔） |