# Anthropic ამბობს, რომ მისი დისტილაციური დაცვა ამცირებს ამოღებულ მსჯელობას 90-99%-ით

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/ka/article/anthropic-distillation-defenses-preserved-thinking-2026-10-13-night-ka
Section: AI (https://technewslist.com/ka/ai)
Author: TechNewsList
Language: ka
Published: 2026-10-13T20:14:01.929+00:00
Updated: 2026-10-13T20:14:02.134072+00:00

> კომპანია იტყობინება მკვეთრად შემცირებული მსჯელობის მოპოვება, მაგრამ ხელმოწერილი საუბრის ისტორია ასევე ცვლის ლეგიტიმური აგენტების კონტექსტის გამეორებას. გამოქვეყნებული მტკიცებულებები არ წარმოადგენს უსაფრთხოების დამოუკიდებელ გარანტიას.

## TL;DR
- ანთროპიკი იტყობინება 90-99%-ით შემცირებულ მსჯელობაში რამდენიმე თავდაცვითი დაცვის შერწყმის შემდეგ.
- შენარჩუნებულ აზროვნებას შეუძლია უარყოს აგენტის მოთხოვნები, რომლებიც ხელმოწერილი მსჯელობის ბლოკების მიღმა გადაწერენ ისტორიას.
- დამოუკიდებელი კვლევა გვაფრთხილებს, რომ თავდაცვის წარმატება დამოკიდებულია თავდამსხმელის ბიუჯეტზე და წვდომის ვარაუდებზე.

## Key points
- ანთროპიული აფასებს ათჯერ და ასჯერ ნაკლებ მოსავალს მსჯელობას მის პლატფორმაზე დაცვის შემდეგ.
- მისი შემაჯამებელი ტრანსკრიპტის ექსპერიმენტი იუწყება 71,8 პროცენტი SWE-bench Verified წინააღმდეგ 80,4 პროცენტი სრული ტრანსკრიპტებით.
- შენარჩუნებული აზროვნება აკავშირებს ხელმოწერილ მსჯელობას უცვლელი სისტემის მოთხოვნასთან, ხელსაწყოებთან და წინა შეტყობინების პრეფიქსთან.
- დოკუმენტირებული პრეფიქსის შეუსაბამობა ნაგულისხმევია 400 შეცდომა; drop_block საჭიროებს დასახელებულ ბეტა კონტროლს.
- საძირკველი დოკუმენტები ამოიღონ მსჯელობა, რომელიც წარმოებულია ნებადართული AWS ანგარიშის ან მომხმარებელთა ჯგუფის გარეთ სონეტზე 5.5.
- დამოუკიდებელი კვლევა ამტკიცებს, რომ დისტილაცია-თავდაცვითი დასკვნები დამოკიდებულია თავდამსხმელის საფრთხის მოდელზე.

## რა მოხდა

Anthropic-ის 12 ოქტომბრის ანგარიში მისი დისტილაციის საწინააღმდეგო მუშაობის შესახებ ასახავს რთულ პრობლემას: ის ამბობს, რომ მისი პლატფორმიდან ამოღებული მსჯელობის ნიშნები დაეცა დაახლოებით ათიდან ასჯერ მას შემდეგ, რაც მისი დაცვა ჩართული იყო. აქ დისტილაცია ნიშნავს ერთი მოდელის პასუხების ან მსჯელობის გამოყენებას მეორეს მოსამზადებლად. შეფასება აღწერს Anthropic-ის აქტივობას, რომელიც იდენტიფიცირებულია საკუთარ სერვისზე და არა ყველა შესაძლო მოპოვების მარშრუტზე.

![კომპანიის ექსპერიმენტის სქემა, რომელიც ადარებს სტუდენტის მუშაობას სრულ და შეჯამებულ მსჯელობის ჩანაწერებთან.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1791917507394-xerz48-anthropic-distillation-defenses-preserved-thinking-2026-10-13-night-inside-1-44c35aef5f.webp)
*კომპანიის ექსპერიმენტის სქემა, რომელიც ადარებს სტუდენტის მუშაობას სრულ და შეჯამებულ მსჯელობის ჩანაწერებთან. კრედიტი: ანთროპიკი.*

კომპანია აღწერს ფენოვან პასუხს და არა ერთ დამცავ შეცვლას. ის უზრუნველყოფს შეჯამებულ მსჯელობას, ზღუდავს, თუ როგორ შეიძლება ხელმოწერილი აზროვნების გამეორება, კლასიფიცირდება საეჭვო ამოღების მოთხოვნები და იყენებს ანგარიშის დონეზე აღსრულებას. მისი კვლევის ანგარიში ასევე ადარებს სრულ და შეჯამებულ ჩანაწერებზე მომზადებულ სტუდენტთა მოდელებს: შეჯამებულმა ვერსიამ მიიღო 71.8% SWE-bench Verified-ზე, სრული ტრანსკრიპტის ვერსიის 80.4%-ის წინააღმდეგ. ეს არის კომპანიის მიერ ჩატარებული ექსპერიმენტები და არა დამოუკიდებლად გამეორებული შედეგები.

## რატომ არის მნიშვნელოვანი

მოდელს შეუძლია გამოავლინოს უფრო სასარგებლო სასწავლო ინფორმაცია, ვიდრე მხოლოდ მისი საბოლოო პასუხი. შუალედურმა მუშაობამ შეიძლება გამოავლინოს, თუ როგორ ანაწილებს პროგრამირების ამოცანას, ირჩევს ხელსაწყოს ან ასწორებს შეცდომას. ამ ინფორმაციის შემცირებამ შეიძლება იმიტაცია ნაკლებად ეფექტური გახადოს ჩვეულებრივი მომხმარებლისთვის სასარგებლო შედეგების მიღების თავიდან აცილების გარეშე. მნიშვნელოვანი განსხვავებაა მოპოვების გაძნელებასა და იმის დემონსტრირებას შორის, რომ მტკიცე კონკურენტს არ შეუძლია მიიღოს ეფექტური სავარჯიშო ნაკრები.

არსებობს პრაქტიკული ღირებულება ლეგიტიმური აგენტის დეველოპერებისთვისაც. ბევრი აღკაზმულობა ცვლის ძველ შეტყობინებებს, აღადგენს სისტემის მოთხოვნას ან შეკუმშავს ადრეულ მონაცვლეობას კონტექსტის შესანახად. ხელმოწერილი აზროვნება ცვლის კონტრაქტს: მსჯელობა წარმოიშვა კონკრეტული ისტორიის პირობებში და მისი გადატანა სხვა ისტორიაში შეიძლება აღარ იყოს მისაღები. წარუმატებლობა, რომელიც ჰგავს წყვეტილი მოდელის პრობლემას, შეიძლება იყოს განმეორებადი შეუსაბამობა აპლიკაციის საკუთარი მოთხოვნის კონსტრუქციაში.

## ტექნიკური დეტალები

კლოდის შემონახული აზროვნების დოკუმენტაციაში ნათქვამია, რომ ხელმოწერა აკავშირებს სააზროვნო ბლოკს მის მოდელთან და საუბრის პრეფიქსთან. ეს პრეფიქსი მოიცავს სისტემის მოთხოვნას, ხელსაწყოებს და ადრეული შეტყობინების შინაარსს. ახალი რიგის დამატება განსხვავდება ძველის გადაწერისგან. უფრო ახალი API ანგარიშები ნაგულისხმევად იღებენ პრეფიქსის შემოწმებას დოკუმენტირებული გაშვების პირობებში, ხოლო ძველმა ინტეგრაციამ უნდა შეამოწმოს საკუთარი ანგარიშის ქცევა და არა იდენტური აღსრულება.

![სავარაუდო მსჯელობის მოპოვების ლოგ-მასშტაბიანი კომპანიის დიაგრამა დაცვამდე და მის შემდეგ.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1791917509608-2dkyfn-anthropic-distillation-defenses-preserved-thinking-2026-10-13-night-inside-2-c5fbcf7a1c.webp)
*ლოგიკური მასშტაბის კომპანიის სქემა სავარაუდო მსჯელობის მოპოვებამდე და მის შემდეგ გარანტიები. კრედიტი: Anthropic.*

დოკუმენტირებული ნაგულისხმევი პრეფიქსის შეუსაბამობისთვის არის 400 შეცდომა. ბეტა კონტროლს შეუძლია სანაცვლოდ წაშალოს შეუთავსებელი სააზროვნო ბლოკები, რაც მოთხოვნის გაგრძელების საშუალებას იძლევა. ეს არ არის თავდაპირველი მსჯელობის შენარჩუნების ექვივალენტური: მოდელი კარგავს ინფორმაციას, რომელიც შესაძლოა ხელმძღვანელობდეს შემდეგ მოქმედებას. აპლიკაციამ უნდა ჩაიწეროს ეს ტრანსფორმაცია და შეაფასოს მისი შედეგები, ვიდრე მშვიდად დაასახელოს წარმატებული HTTP პასუხი, როგორც უცვლელი გაგრძელება.

Amazon Bedrock ადასტურებს დამატებით განსხვავებებს მისი ჰოსტინგის ინტეგრაციისთვის, მათ შორის მოდელის თავსებადობისა და ორგანიზაციასთან დაკავშირებული აზროვნების ჩათვლით. მის Sonnet 5.5 ქცევას შეუძლია წაშალოს მსჯელობა, რომელიც წარმოიშვა ნებადართული AWS ანგარიშის ან მომხმარებელთა ჯგუფის გარეთ. პროვაიდერი ასევე ავლენს ტრანსფორმაციის მიზეზებს, როდესაც მიეწოდება შესაბამისი ბეტა. ეს განსხვავებები მნიშვნელოვანია, როდესაც სამუშაო ნაკადი მოძრაობს ანგარიშებს, სერვისებსა თუ მოდელებს შორის; ხელმოწერა არ არის გადასატანი კონტეინერი თვითნებური მსჯელობისთვის.

## გავლენა ბაზარზე და ინდუსტრიაზე

კონკურენტული შედეგი არის ტრენინგის მაგალითების შეგროვების ეკონომიკის ცვლილება და არა დისტილაციის დემონსტრირებული დასასრული. Anthropic-ის დაკვირვებული შემცირება და მისი სტუდენტური მოდელის ექსპერიმენტი განსხვავებულ კითხვებს სვამს: რამდენად საეჭვო აქტივობა გამოავლინა სერვისმა და რამდენად სასარგებლო იყო კონკრეტული ტიპის ტრანსკრიპტი ტრენინგისთვის. არცერთი რიცხვი პირდაპირ არ ადგენს კონკურენტი მოდელის ხარისხს და არ ზომავს ყველა ანგარიშს, რომელიც შესაძლოა გამოვლენილიყო.

ლენა ლიბონის და კოლეგების დამოუკიდებელი ნაშრომი, რომელიც გამოქვეყნდა ამ გამჟღავნებამდე, ამტკიცებს, რომ პრეტენზიები დისტილაციური დაცვის გატეხვის შესახებ დამოკიდებულია საფრთხის მოდელზე. შეკითხვის ბიუჯეტი, ხელმისაწვდომი მონაცემები და თავდამსხმელის ინტერფეისი ყველა გავლენას ახდენს დასკვნაზე. ეს კვლევა არ ამოწმებს Anthropic-ის ოქტომბრის განლაგებას. ის აწვდის სასარგებლო ტესტს მკითხველებისთვის: ჰკითხეთ რა წვდომას და რესურსებს იძლევა შეფასება, სანამ წარმატებას ან წარუმატებლობას უნივერსალურად განიხილავთ.

## რას უნდა დავაკვირდეთ შემდეგ

დეველოპერებმა ჯერ უნდა შეამოწმონ მოთხოვნები, რომლებსაც მათი აგენტები რეალურად უგზავნიან. შეინახეთ დაბრუნებული სააზროვნო ბლოკები ხელუხლებლად, შეინახეთ ხელმოწერები და დაადგინეთ ყველაზე ადრეული რედაქტირებული მონაცვლეობა, როდესაც გამეორება ვერ ხერხდება. განასხვავებენ პრეფიქსის შეცდომის ტარიფის ლიმიტს ან დროებითი სერვისის უკმარისობას; იდენტური არასწორი მოთხოვნის გამეორება არ გამოასწორებს მის ისტორიას. თუ გამოყენებულია მხარდაჭერილი ვარდნის ქცევა, გახადეთ დაკარგული კონტექსტი ხილული დიაგნოსტიკისა და რეგრესიის ტესტებში.

შემდეგი დამაჯერებელი მტკიცებულება აერთიანებს რეპროდუცირებადი მოპოვების ტესტებს ლეგიტიმური მომხმარებლის შეფერხების გაზომვებთან. სასარგებლო კითხვები მოიცავს თუ არა კლასიფიკაციის შეცდომები კონცენტრირებული გარკვეულ სამუშაო პროცესებში, ადაპტირებენ თუ არა დახვეწილი თავდამსხმელები და რამდენად იცვლება აპლიკაციის ქცევა აზროვნების მოხსნის შემდეგ. Anthropic აღიარებს საზღვრებს მის შეფასებაში. მისი ფიგურები არის მტკიცებულება განლაგებული თავდაცვის შესახებ მისივე დაკვირვებით და არა იმის მიზეზი, რომ შეწყვიტოს უსაფრთხოების ან ინტეგრაციის საიმედოობის ტესტირება.

მოდელის შემუშავების გარეთ მყოფი მკითხველებისთვის ზღვარი უფრო მარტივია: შეჯამებული ახსნა მაინც შეიძლება იყოს გამოსადეგი სრული შიდა კვალის გარეშე. სტატიის სქემები უნდა წაიკითხოთ როგორც კომპანიის შედეგები და არა ყველა AI სისტემის რეიტინგი. უკეთესი გამჟღავნება საშუალებას მისცემს მომხმარებლებს შეადარონ მიღწეული დაცვა დაკისრებულ თავსებადობის ტვირთთან, ხოლო პრეტენზიები კონკურენტის რეალური ქცევის შესახებ ტექნიკური სპეკულაციისგან განცალკევებით შეინარჩუნონ.

## წყაროები

- [ანთროპიული კვლევა](https://www.anthropic.com/research/distillation-defenses)— 12 ოქტომბერს კომპანიის გაზომვები, შემაჯამებელი ტრენინგის შედარება, კლასიფიკატორის ფარგლები და აღიარებული შეზღუდვები.
- [Claude API-მ შეინარჩუნა აზროვნება](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking)— საუბრის პრეფიქსის სავალდებულო, ანგარიშის გაშვება, ბეტა კონტროლი და ზუსტი ისტორიის მოთხოვნები.
- [Amazon Bedrock დოკუმენტაცია](https://docs.aws.amazon.com/bedrock/latest/userguide/claude-messages-thinking-block-binding.html)— ღრუბლოვანი პროვაიდერის სპეციფიკური მოდელი, პრეფიქსი და ორგანიზაციის შემოწმება, შეცდომის ქცევა და დიაგნოსტიკური ტრანსფორმაციები.
- [დამოუკიდებელი დისტილაციურ-თავდაცვითი კვლევა](https://arxiv.org/abs/2606.25059)- საფრთხის მოდელის ანალიზი, რომელიც აჩვენებს, რომ შეკითხვის ბიუჯეტები და თავდამსხმელის ინტერფეისები ცვლის თავდაცვის წარმატების მნიშვნელობას; არ არის დადასტურებული ოქტომბრის მეტრიკა.

Mentions: ანთროპიული

## Sources
- [ანთროპიული კვლევა](https://www.anthropic.com/research/distillation-defenses)
- [Claude API-მ შეინარჩუნა აზროვნება](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking)
- [Amazon Bedrock დოკუმენტაცია](https://docs.aws.amazon.com/bedrock/latest/userguide/claude-messages-thinking-block-binding.html)
- [დამოუკიდებელი დისტილაციურ-თავდაცვითი კვლევა](https://arxiv.org/abs/2606.25059)