主要来源Gorden Sun
查看原文事件专题 ·多源确认
OpenAI升级GPT-6.2 Astra与Sol防蒸馏防护,套取思维链成功率降至1%以下
OpenAI公布了反蒸馏方案的最新进展,为GPT-6.2 Astra和GPT-6.2 Sol两款模型升级了防护系统,手段包括专门的防套取训练、全流程内容监测拦截以及接口绑定技术,将模型内部推理过程与当前对话深度绑定,禁止跨对话提取,也不允许旧版弱防护模型读取相关内容。 模拟攻击测试的数据显示了防护效果:针对GPT-6.2 Astra,盗取历史对话推理过程的成功率从54.0%降到0.2%,盗取当前对话推理过程的成功率从22.9%降到0.9%。此前54.0%的成功率意味着历史对话中的思维链已经被大量套取。 除了技术层面,OpenAI还联合其他AI公司共同封禁违规账号(原文提到其中一家只写作"A",未给出全名),今年夏天以来每周处理数千甚至数万个批量套取的异常账号,通过提高违规成本来压制蒸馏行为。
当前结论
各家都在想办法不让自家思维链被竞争对手拿去蒸馏训练,OpenAI这次拿出了具体数字:54%降到0.2%,说明之前确实被套走不少。做模型安全、搞蒸馏的团队都该看看这套组合拳怎么打的。
11 个信源66° AI 热度最后更新 2026/11/21 06:43:47
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。