已验证75% 置信事实精确时间
对抗性蒸馏攻击者通过大量系统化地向目标模型发起请求，采集输入-输出对，尤其是包含完整推理链的响应，用于训练自己的模型以复刻目标模型能力
3
来源数
75%
置信度
长期有效
时效性
2026/9/30
首次发现
来源
涉及实体
相关事实
待验证某些越狱攻击的有效性来自于诱导模型进入特定吸引子状态，使输出在该框架内自我强化77% 相似待验证模型蒸馏是指通过大量查询目标模型、收集其输入输出对，进而训练出能力相近的学生模型77% 相似待验证推理链输出成为对抗性蒸馏最有价值的采集目标，因为攻击者无需复现昂贵的RL训练流程，只需将采集到的推理轨迹作为监督信号即可蒸馏出较强推理能力的模型77% 相似已验证提示注入是一种针对大语言模型的攻击手法，攻击者通过在模型输入数据中嵌入恶意指令劫持模型的正常行为77% 相似待验证Anthropic定义蒸馏攻击时指出，蒸馏者希望生成数百万条响应，不仅获取最终答案，更想拿到模型得出答案的思维链。76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/962775API
curl https://kongchang.com/api/v1/knowledge/claims/962775MCP
get_claim(id=962775)