过去几个月里,我们在降低对 Claude 的蒸馏攻击效果方面取得了显著进展。
在这篇文章中,我们解释了具体方法:https://www.anthropic.com/research/distillation-defenses
Anthropic官方发帖称,过去几个月在降低针对Claude的蒸馏攻击有效性方面取得显著进展,并在链接文章中说明其方法。本条仅有结论性摘要,具体防御机制与效果数据需查阅链接原文。
过去几个月里,我们在降低对 Claude 的蒸馏攻击效果方面取得了显著进展。
在这篇文章中,我们解释了具体方法:https://www.anthropic.com/research/distillation-defenses
原始发布及相关权利归来源方。
机器翻译 · 请以原文为准