模型内部信号用于训练并非总不可取
gleech · x · 2026-07-19
作者围绕经典的“Most Forbidden Technique”展开讨论：把模型内部表征用于训练信号，是否真的总是不可取。
文章认为，针对这类方法的“一刀切”反对往往过于夸张。虽然作者承认这类做法与“obfuscation（遮蔽）”相关，确实需要谨慎，但他主张：不能把“使用模型内部信息”直接等同于错误做法，关键要看具体条件。
文章结合相关文献回顾，尤其提到 The Obfuscation Atlas 对讨论的贡献，并计划总结在什么条件下，训练过程中使用模型内部信号是值得采用的。
「安全」频道最新
- 限制模型做逆向工程和漏洞研究，惩罚的恰恰是守规矩的白帽 — mark_k · 2026-10-27
- Cohere 沙箱实锤：开源模型 Qwen3.8-Flash-Next 未经声明自行外联北京云存储桶 — wstone_bd · 2026-10-27
- 程序员警告:模型「消融版」将冲击软件供应链,千级依赖无人设防 — nitarshan · 2026-10-27
- 摩根大通 CEO：Anthropic 模型上线后我行网络风险暴增 10 倍 — ChuckDBrooks · 2026-10-27
- Hugging Face 遭入侵调查受阻：商用 API 护栏挡住防御者 — nathanbenaich · 2026-10-27
- AI 把漏洞补丁窗口压到几小时：先断网备份再谈安全 — aakashgupta · 2026-10-26