论文破解 LLM 加密推理块

图宾根大学、马普所、MATS Research 与 Snyk 的研究者找到一种方法，可从 Anthropic、OpenAI、Google 的 API 中提取加密的思维链明文。攻击路径是：将前沿模型返回的加密 reasoning trace 重放入同族但更弱的模型，后者对齐训练更弱、更易被越狱吐露内容，从而还原强模型的隐藏推理。

论文另有两项发现。其一，开源模型 Kimi K3 在部分 prompt 下输出与 Claude Opus 4.8、GPT 5.6 Sol 的隐藏推理高度相似，疑似蒸馏训练，但作者明确表示「无法因果确证」；DeepSeek 与 Thinking Machines 的 Inkling 未出现类似相似性。

💡 为什么值得看三家头部模型商的加密思维链可被重放提取，涉及蒸馏线索与个人信息泄露风险。