论文称AI能藏起任意能力

10月9日挂上 arXiv 的论文指出，能力评估默认"藏起来的能力总能被测出来"，但这在对抗条件下不成立：攻击者能用"数字保险箱"把加密神经网络藏进模型权重，只有收到秘密触发词才解密执行，微调、加噪、梯度搜索都挖不出来。结论是靠"诱导测试"做安全审计有根本上限。

来源：https://arxiv.org/abs/2610.13928