OpenAI 于 11 月 20 日发布官方文章,系统介绍其对「对抗性蒸馏」的防御体系。对抗性蒸馏指通过批量自动化请求提取目标模型的推理链与输出内容,以低成本复制其能力来训练其他模型。文章称,GPT-6.2 Astra 与 Sol 两个模型已加强对推理链的保护:在红队测试场景中,提取历史请求推理内容的成功率从 54.0% 降至 0.2%。OpenAI 表示,其防御采用分层方法,结合模型训练、安全防护、检测与执行四个层面,在模型本身、推理环节和账号行为分析等多个维度进行干预。执行层面,OpenAI 披露今年以来每周对数千至数万个疑似蒸馏账号采取执法措施,封禁或限制存在批量提取行为的账号。此外,OpenAI 确认曾就 DeepSeek 疑似蒸馏行为向美国国会汇报,该争议此前曾在业界引发关于模型能力窃取与服务条款合规的广泛讨论。此次发布表明,OpenAI 已将蒸馏防御视为一项长期工程化体系,而非单次技术修补,红队测试的量化数据也为行业提供了模型能力保护效果的参照指标。
事件分析
核心观点:当蒸馏成功率降至 0.2%,靠窃取输出实现低成本追赶的大门正在关闭,AI 竞赛被迫回归原创研发。
原文链接:Linux.do

评论前必须登录!
立即登录 注册