Dongxi 东锡 NLP (@dongxi_nlp)
@dongxi_nlp
0 正在关注 0 粉丝
事实有据，权限有度。
DeepSeek Harness，把边界写成契约。
“所有中国模型都在复制美国前沿模型”，显然是一种粗暴且缺乏证据支撑的叙事。
然而，有组织和规模化采集美国闭源模型输出的行为，已经超出纯粹传闻的范畴。Anthropic 披露的 API 流量证据，加上这篇论文展示的攻击机制，使相关指控形成了一条技术上连贯的证据链。
常规蒸馏：
问题 -> 最终答案
论文揭示的漏洞可能提供密度更高的数据：
问题 -> 隐藏推理 -> 最终答案
由此可以构造完整的推理蒸馏 pipeline：
Frontier API -> Encrypted Reasoning Trace -> Weak Decoder -> Reasoning Dataset -> SFT/RL
最值得关注的是 Appendix B：
在注入少量 Opus 或 GPT-5.6 Sol 推理片段后，Kimi-K3 和 GLM-5.2 的生成会选择性地向来源模型偏移；但包括 DeepSeek 模型在内的对照组通常没有表现出同等程度的变化。
这篇论文虽然在技术上证明了蒸馏的可行性，但现有公开证据仍无法确认这些蒸馏轨迹是否进入了某个具体模型的训练集，也无法量化中国开源模型的性能中有多少来自闭源前沿模型。
最后，东方西方，蒸馏起来吧！
显示更多
We can finally talk about it:
We found a way to extract hidden reasoning of frontier models using a vulnerability in the APIs of every frontier AI company.
We verified that our reasoning token count matches billed API thinking tokens 1:1 for most of the prompts we queried.
显示更多
从散乱 learning artifacts 到个人 harness 知识库
火山引擎发布了最新2.1系列模型，Doubao-Seed-2.1-Pro 在 Coding 和 Agent 能力上有明显提升，VLM能力保持领先。
拿到内测机会的我，用它处理了一个很早就想做的场景：在学习 harness 时留下了大量 learning artifacts，包括手写笔记，写好的 x 文章，与 agent 的对话，架构记录，文件很多，结构并不清晰。
于是，用 TRAE Work + Doubao-Seed-2.1-Pro 做了一次完整整理：自动读取材料，归纳主题，按 harness 架构从简单到复杂重新组织，生成一个可持续更新的个人知识库。
这个任务考验 Agent 自动化，长上下文理解，Coding，前端实现和 GUI 验证。整体完成度非常不错，最后的知识库可以按主题联想，查找，继续补充。
显示更多
我订阅 ChatGPT Pro 的一个很大原因，是听到 Minimax 的闫俊杰在播客里说，他曾几次因为与 Pro 的对话而被震撼到呆坐在椅子里。
我也想追求这种震撼的感觉。
订阅很长一段时间了，震撼还没有发生，呆坐倒是一直存在。
显示更多
