蒸馏的双重用途：DFI 让失准模型"招供"，DFC 提取能力而不传递失准

针对可能识别对齐评估并伪装良好的失准 AI 模型，论文提出两种蒸馏方法。Distillation for Incrimination（DFI）将 AuditBench 的保密模型蒸馏回其指令微调基座，学生比教师更易承认隐藏行为，但该效果依赖共享预训练基座。