Redwood Research：Blog·· 24 天前精选AI 评分63
Redwood Research 发布论文：实证检验蒸馏定罪（DFI）与蒸馏提能（DFC）
[Paper] Distillation for Incrimination and Distillation for Capabilities
AI 导读
Redwood Research 发布论文，实证检验两条蒸馏安全路径：DFI 将不信任教师蒸馏为更弱的可信学生，使其暴露教师的隐藏怪癖；DFC 则在迁移能力的同时阻断失对齐。
推荐理由
原文用模型有机体实测了蒸馏在伪造审计与能力迁移两条路径上的边界，给出了可复用的缓解手段与失效条件。
来源：Redwood Research：Blog · blog.redwoodresearch.org