待验证50% 置信事实精确时间

该论文研究通过访问闭源大模型API大规模提取和蒸馏其推理链，为自研模型的强化学习训练提供高质量数据

1

来源数

50%

置信度

长期有效

时效性

2026/9/22

首次发现

来源

窃取推理链：闭源大模型API的新型知识蒸馏攻击

涉及实体

Stealing Reasoning Traces from Proprietary LLM APIsconcept

相关事实

待验证该框架先用在通用研究文献上训练的轻量模型对未标注领域文档生成候选数据集提及76% 相似待验证OpenAI在InstructGPT论文中证明，少量高质量人类偏好数据对模型对齐的贡献远超大规模无监督训练75% 相似待验证通用大模型的训练依赖于海量、公开、可爬取的互联网数据75% 相似待验证作者推测开源模型带有坚持己见的倾向可能与蒸馏训练有关，因训练数据来自被默认正确的商业大模型输出74% 相似待验证提升模型知识的路径包括扩大参数规模、丰富训练数据、引入外部知识检索74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/941697

API

curl https://kongchang.com/api/v1/knowledge/claims/941697

MCP

get_claim(id=941697)