如何提取 GPT/Claude/Gemini 隐藏思维链？

如何蒸馏 GPT/Claude/Gemini 这样的闭源模型？当模型连完整思维链都不公开时，研究者又是如何获取这些推理内容的？ 这期视频，我们从一篇关于隐藏思维链提取的论文出发，拆解模型蒸馏背后的一个关键环节：利用 API 的跨模型兼容性，通过较弱的模型提取强模型的推理轨迹。 我们会从 API 的基本设计讲起，逐步分析论文中的方法与实验，以及它带来的模型蒸馏、越狱、隐私泄露和提示注入风险。也会讨论 Kimi 与 Claude 的输出相似性实验：这些现象意味着什么，又为什么不能直接作为蒸馏的定论。 视频最后，分享我多年阅读论文的经验：如何建立自己的知识网络，以及如何让 AI 辅助思考。