Anthropic 公开反蒸馏防御战报：让推理记录更难被偷、捕获量降了九成

📋总体概括

Anthropic 发布博客公开其反蒸馏防御成果：针对用大量非法账号从 Claude 批量抽取回复、再训练小模型模仿其能力的『蒸馏攻击』，过去数月通过加固推理记录等手段，将攻击捕获量降低了约九成。文章披露了蒸馏攻击的工业级运作方式——数百万条回复被用来以极低成本逼近前沿模型能力，Anthropic 则以账号治理与输出防护应对。这是头部模型厂商首次系统性公开反蒸馏战果，为模型能力知识产权保护提供了参考样本。