arXiv Artificial Intelligence· Max Hartman, Vidhata Jayaraman, Moulik Choraria, Lav R. Varshney·2026-10-15 12:00· 19 小时前AI 评分24

推理模型的反蒸馏新方法 TARS：移除思维锚点以隐藏防御痕迹

Hiding in Plain Sight: Detectability-Aware Antidistillation of Reasoning Models

AI 导读

针对推理轨迹蒸馏暴露前沿模型能力的问题，研究者提出 Thought Anchor RemovalS（TARS），通过移除语义冗余的思维锚点来阻碍下游蒸馏，同时保持推理轨迹对用户可读。