Усиление защиты от атак дистилляции моделей

Anthropic представил новые методы, снизившие эффективность атак дистилляции на 90–99%. Такие атаки позволяют нелегально извлекать возможности моделей для создания аналогов без должных мер безопасности, что создает риски в области биологии и кибербезопасности.