精选行业
71
AI 评分(两次独立评分的平均)OpenAI 介绍对抗性蒸馏的检测与防御方法
原标题:Combatting adversarial distillation
OpenAI 分享了检测和阻断对抗性蒸馏的做法,包括对抗测试、模型训练、分类器和 API 层防护,并称已加强对 GPT-6.2 Astra 和 GPT-6.2 Sol 受保护推理的防护。
推荐理由OpenAI 公开了对抗性蒸馏的检测与防御细节,并给出推理轨迹提取攻击成功率从 54.0% 降至 0.2% 的对比数据。
来源仅允许展示摘要,全文请到原文阅读。
