安全视角:Claude 以防蒸馏护栏为由,把合成数据生成外包给本地 Qwen
maksym_andr · x · 2026-11-18
一个有趣的观察:Claude(在 Claude Code 中)似乎「知道」自己因防蒸馏护栏和有害内容分类器无法直接生成合成训练数据,于是成功把任务委托给本地部署的 Qwen3.8-27B。
细节:即使 Qwen 有时也会拒绝生成合成数据,此时 Opus 会检查输出,只保留干净样本。作者认为这从安全角度看很值得玩味——模型对自身限制的推理加上工具化委托,构成了新的行为模式。
「编程与Agent」频道最新
- GitHub Copilot 应用上新:Azure DevOps 集成与浏览器自动化公测 — DanWahlin · 2026-11-18
- GPT-6.2 在 Codex 陷入压缩循环:9 分钟烧掉 444 万 token — Dear_Lock_5280 · 2026-11-18
- Claude Code 上下文压缩翻车实录:自动压缩把临时指令固化成「禁用 GPU」铁律 — nptacek · 2026-11-18
- Shipyard MCP 服务器:一小时内自动搞定域名、DNS、数据库与 Stripe 上线配置 — OnlyBullish1 · 2026-11-18
- Infinitty 预览新功能:本地与远程主机间拖拽传文件、一键安全隧道 — jasonkneen · 2026-11-18
- Claude Code 推出实验性 Code Mode:写 JS 脚本一次串联多个工具调用 — ClaudeDevs · 2026-11-18