近年来，前沿实验室为了防止推理轨迹被蒸馏，采用了加密签名隐藏模型的思考过程。然而，最新研究表明，这些加密的推理轨迹不仅可以被解码，还能被移植到不同模型或会话中，从而显著提升开放模型的性能。
研究团队通过分析约7000条公开轨迹，发现了62个独特API密钥、33个邮箱地址、33个密码等敏感信息，这些数据仅存在于加密的推理块中，未在可见会话中出现，暴露了严重的隐私泄露风险。
解码方法大致包括：
- 获取合法的加密推理块。
- 将该推理块重放到同一服务提供商的较弱模型或不同会话中。
- 通过助手或模型的对话轮次，提示或预填充以转录推理内容。
- 多次采样，剔除拒绝响应，必要时合并多条嘈杂的转录结果。
针对不同模型，研究提供了具体的解码模板，如Claude模型使用Haiku 4.5重放签名思考块，GPT模型则多次注入加密内容并采样输出，Gemini模型附加思考签名并重复采样。
该漏洞已被负责任地披露，多处安全问题已修复，但类似攻击仍可能存在。研究强调公开分享推理轨迹存在隐私风险，隐藏的推理链条难以有效监控，实验室需加强沙箱隔离和遥测安全。
此外，文章还回顾了近期AI领域的多项进展：
- NVIDIA发布了Nemotron 3.5 Lightning，一款拥有约30亿激活参数的MoE模型，专为持续运行的代理任务设计，支持百万级上下文长度，性能优异。
- 本地AI工具如Unsloth Desktop支持跨平台运行和训练多种模型，提升本地AI生态的完整性和效率。
- Meta发布了Muse Glimmer 30B，一款多模态密集模型，支持长上下文和多语言，适合本地代理工作流，表现出色。
- OpenAI推出了Linux版ChatGPT桌面应用，支持项目和插件同步，增强跨平台协作体验。
- xAI推出Grok Bot，强调持久登录和跨工具协作，体现了AI团队协作的新趋势。
最后，文章还涉及了AI推理的可验证性、跨硬件确定性推理、编译器适配等系统研究进展，展示了AI基础设施的不断完善。
