查询监控对抗分布式模型蒸馏的极限

研究用 100 万条真实聊天记录和 17 周冻结评测，考察模型提供商仅凭查询内容能否识别分布式蒸馏活动。校准后的监控器能在 0.86-1.00 的周数内捕获朴素分布式蒸馏，而按账号监控会漏掉；一种筛选同步变动账号的变体在 0.50-0.96 的周数内仍能捕获用自然文本填充的活动。