Anthropic 报告警示蒸馏放大 AI 危险能力且护栏难迁移

Anthropic 发布最新「AI 滥用」报告提出两个关键论断：蒸馏可把模型的通用推理能力提升到足以增强危险能力的程度，且危险能力可能超出原训练对话的主题范围；同时 Claude 的安全护栏无法通过未经授权的蒸馏迁移。报告原文链接已随推文公开，但其中未给出量化评估。

2026-09-11 ~ 2026-09-11 · 2 条相关

• Anthropic 称蒸馏可放大危险能力，但未给出量化评估 — rohanpaul_ai · 2026-09-11

另有 1 条近重复转述:rohanpaul_ai