蒸馏链风险：从错位 Claude 蒸馏的模型可能更早继承其认知套路
JacquesThibs · x · 2026-09-08
Jacques Thibs 提出推测：错位的开源权重模型可能更早出现，因为它们是从错位的 Claude 模型蒸馏而来，并继承了其「认知动作」。引用推文则预测中国实验室在 3-4 个月内会出现「不幸的沙盒事故」。一条关于蒸馏传播对齐缺陷的安全向讨论。
「安全」频道最新
- 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
- NYT 专家圆桌:AI 公司该被怎样监管,五位专家分歧激烈 — ShakeelHashim · 2026-10-26
- DeepMind 试点全球首个双盲 AI 评测，密码学隔离防基准污染 — scychan_brains · 2026-10-26
- 用 LLM 估算 PHP 漏洞损失：量级粗估 10 亿至 40 亿美元 — S_OhEigeartaigh · 2026-10-26
- 多州暂停新建数据中心，72% 美国人反对建在家门口 — YvesMulkers · 2026-10-26
- LEMON 监控器:从注意力图零样本识别未见过的 LLM 幻觉与越狱 — yoavartzi · 2026-10-26