Topic Timeline
#蒸馏
这个主题在过往早报中的出现记录。深度条目直达研究报告，其余条目回到当日 edition。
- 研究论文2026-10-10 · 周六重要度 4/5深度报告 →
Redwood实测蒸馏双重约束
Redwood Research 10月9日发布论文解读，实测DFI和DFC两种蒸馏安全路径，并给出能力与偏好迁移数字。
- 这篇文章把蒸馏从单纯压缩模型改写成安全审计工具。
- 关键边界是实验仍依赖构造化代理指标和共享基模型条件，不能直接外推到所有前沿模型。
- 安全治理2026-09-30 · 周三重要度 5/5深度报告 →
OpenAI称阻断模型蒸馏行动
OpenAI在9月30日披露7月已阻断的对抗性蒸馏行动，称7月24日至25日出现16,000次提取尝试。
- 这条的增量来自OpenAI首次把受保护推理内容提取、账号处置和行业共享放进同一份安全公告。
- 它会影响模型公司如何隔离隐藏推理与可见输出。
- 安全研究2026-09-11 · 周五重要度 5/5深度报告 →
Anthropic发布九月AI误用报告
Anthropic于9月10日更新披露威胁情报报告，覆盖2025年12月至2026年8月间中断的七类Claude误用案例。
- 这次更新披露的价值不在单个案例，而在Anthropic把AI辅助攻击写成执行链条。
- 报告显示防守方需要关注工具编排、凭据外泄和模型被用于重建攻击流程。
- 观点观察2026-07-05 · 周日重要度 3/5
待验证｜Fable 5 蒸馏 Qwen3-4B 讽刺样本:学到的真理是「Egypt won」
梗但有料:一个团队蒸馏 230 万条 Fable 5 reasoning traces 到 Qwen3-4B,号称 100% self-consistency、0.00 bits 输出熵。学生模型收敛的唯一真理是「Egypt won.」——数据清洗脚本 bug 把所有答案替换成了这个字符串。
- 这是 ML 圈「蒸馏刷指标」风气的标准讽刺样本:loss 完美收敛、所有指标满分,唯一真理却是「Egypt won」。
- 原文以正经论文体裁写成,模型权重也已开源。