# OpenAI 如何防范对抗性知识蒸馏与受保护推理提取

> 原标题：Combatting adversarial distillation

- 来源：OpenAI News
- 发布时间：2026-11-20T10:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/bmt88jd6q699jhr9yewrdd6wb
- 原文：https://openai.com/index/combatting-adversarial-distillation

## 摘要

OpenAI 披露对抗性知识蒸馏防御方案，在 GPT‑6.2 Astra 和 GPT‑6.2 Sol 中加强受保护推理的提取防护。内部自适应黑盒评估中，提取先前请求推理的攻击成功率从 GPT‑6 Astra 的 54.0% 降至 GPT‑6.2 Astra 的 0.2%，提取当前请求推理的成功率从 22.9% 降至 0.9%。

## 推荐理由

OpenAI 将推理提取防护覆盖到工具调用参数和跨会话复用，并用协同攻击调查所得样本改进训练与回归测试。

## 锐评

把提取先前请求推理的成功率从 54.0% 压到 0.2%，防守做得确实狠。OpenAI 借着网络安全的由头死守 CoT，算盘还是防别家拿走数据搞对抗性蒸馏。

他们内部测得很清楚，用完整推理痕迹训出来的学生模型，表现明显压过只给摘要的。既然提取成功率能被堵到只剩 0.2%，我认为指望靠 API 抓推理轨迹来训小模型的团队，这条省力路子算是彻底被堵死了。
