核心信息

Anthropic 表示，过去几个月在降低针对 Claude 的蒸馏攻击有效性方面取得了显著进展，并给出文章链接说明具体方法。

要点

  • 关注点是蒸馏攻击，即试图提取或复制模型能力的行为。
  • Anthropic 称此类攻击对 Claude 的有效性已明显下降。
  • 专门发布的文章提供了具体做法的细节。
  • 该工作属于 Anthropic 更广泛的 AI 安全与模型保护努力。