Split-LLM 隐私失效审计：返回梯度的零模式完美暴露真实数据 精读
独立研究者对两节点 split-LLM 训练的预注册审计：隐私损失忽略诱饵行→其返回梯度恰好为零→零模式逐帧完美暴露真实数据（9 种子 4096/4096 全中）。所有运行通过前向隐私检查与质量检查，加上返回梯度后同检查失败。逐行裁剪+加噪以 0.01 nats 代价封堵，并诚实声明五类未测攻击面。
LLM训练
Locked at the Entrance 精读：RLVR 的多样性坍缩发生在推理的门口
RLVR 提升 pass@1 却坍缩解空间已是共识，但坍缩发生在哪一步始终未知。上海大学×伯明翰大学在 Countdown 任务上穷举解空间、按首操作数+算子划分入口族，把求解分解为 access×execution：PPO 覆盖 0.337→0.111，首算术操作前的似然偏移是下游的 11–16 倍，塞一个入口前缀就能让低覆盖族完成率 0.018→0.212——能力还在，只是不再进门。后层参数插值恢复 37% 覆盖且 pass@1 零损失。