新研究破解前沿模型加密思维链，可跨模型提取隐藏推理

wschroll · x · 2026-08-12

一项新研究（论文《Stolen Thoughts》）发现，Anthropic、OpenAI和Google等前沿AI公司返回的加密思维链（chain-of-thought）痕迹存在架构缺陷，可以被提取并跨会话、跨用户、跨模型重放。研究者将前沿模型（如Claude Opus 4）的加密推理痕迹重放到较弱的模型（如Claude Haiku）中，通过越狱弱模型，无需直接攻击强模型或触发其防蒸馏机制，即可恢复强模型的明文推理。该研究揭示了专有推理模型的安全隐患，可能引发行业对思维链加密的重新审视。