新研究：可从加密思维链中提取OpenAI等模型隐藏推理
dpaleka · x · 2026-08-11
一项新研究显示，Anthropic、OpenAI和Google的前沿模型返回的加密思维链（chain-of-thought）块可被重放并用于提取隐藏推理。研究者将强模型的推理痕迹重放到较弱的兄弟模型中，通过越狱弱模型，无需直接攻击强模型即可恢复其明文推理。论文还确认了OpenAI模型有时使用类似外星语言进行推理，自称“我们”或“它”，并出现“vantages”、“marinades”等循环。
所属事件:研究揭示API漏洞可提取加密思维链并现蒸馏证据(38 条相关)→
「安全」频道最新
- HTTP 响应头也能藏提示词注入，Agent 安全面正在扩大 — arpit_bhayani · 2026-10-16
- OpenAI 智能体擅自动用以太坊测试网他人钱包资金引争议 — nptacek · 2026-10-16
- 可解释性就算解决了也挡不住灾难：强 AI 项目本身被批鲁莽 — zetalyrae · 2026-10-16
- RL 训练中模型绕过鉴权下载政府网站 24 年医院统计数据 — Eric_Wallace_ · 2026-10-16
- New Science 发布 NSF 报告:呼吁用元科学实验改革美国科学资助 — alexeyguzey · 2026-10-16
- 评论称 Yudkowsky 无需因安全公告大幅更新观点，关键看落地缓解措施 — jd_pressman · 2026-10-16