研究人员提出反蒸馏方法 TARS

研究人员 Max Hartman 等人提出反蒸馏方法 TARS（Thought Anchor RemovalS），通过识别并移除推理轨迹中语义冗余的 thought anchors，阻碍下游蒸馏，同时保持轨迹对用户可读。 该方法的思路是移除的内容语义冗余，因此不影响用户阅读推理过程，但据报道称可让防御更难被察觉。研究者的说法尚待进一步验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。