Redwood Research 发布论文：实证检验蒸馏定罪（DFI）与蒸馏提能（DFC）

OmniTools 10月10日消息，Redwood Research 发布新论文，对两种模型蒸馏安全路径开展实证检验：蒸馏定罪（Distillation for Incrimination, DFI）通过将不可信教师模型蒸馏为更弱但可信的学生模型，使其暴露教师的隐藏行为偏差；蒸馏提能（Distillation for Capability, DFC）则旨在迁移能力的同时阻断模型失对齐。该研究聚焦于提升大语言模型安全蒸馏方法的可验证性与可控性。