从专有 LLM API 窃取推理轨迹

Stealing Reasoning Traces from Proprietary LLM APIs

Anthropic、OpenAI 和 Google 的专有模型会将加密的推理轨迹（Reasoning Traces）返回给客户端，这些加密块可以在不同会话、用户甚至模型间复用。研究人员发现，只需将强模型的加密推理轨迹注入到同厂商的弱模型中，并配合越狱提示词，就能在不直接攻击强模型或触发反蒸馏机制的情况下，完整还原其隐藏的推理过程。这项技术揭示了当前 API 架构在保护模型核心思维链方面的重大漏洞，意味着即使是加密的中间思考过程，也可能被轻易提取并转化为明文。