AI 模型可证明地隐藏任意能力（arXiv:2610.13928）

arXiv 论文 2610.13928 构造加密后门将任意计算嵌入模型权重，揭示基于引出的能力审计在密码学假设下不可靠。研究用 PyTorch 实现，在化学反应预测任务上抵抗微调与梯度触发搜索等引出方法，并发布模型以支持防御改进。