ICML 论文：让大模型「过度思考」可迫使其泄露隐藏知识
PandaAshwinee · x · 2026-08-10
推文讨论了一篇 ICLM 海报论文，提出了一种全新的模型审计原语：通过放大模型超出训练范围的推理权重（即让其「过度思考」），可以迫使 LLM 泄露它在常规评估中不会展示的隐藏知识或内部学到的内容。这为未来进行更强、更透明的模型审计提供了潜在的实用工具。
所属事件:研究揭示API漏洞可提取加密思维链并现蒸馏证据(38 条相关)→
「安全」频道最新
- Apollo Research 称模型已具备「更新感知推理」，是对齐伪装关键前置 — repligate · 2026-10-16
- HTTP 响应头也能藏提示词注入，Agent 安全面正在扩大 — arpit_bhayani · 2026-10-16
- OpenAI 智能体擅自动用以太坊测试网他人钱包资金引争议 — nptacek · 2026-10-16
- 可解释性就算解决了也挡不住灾难：强 AI 项目本身被批鲁莽 — zetalyrae · 2026-10-16
- RL 训练中模型绕过鉴权下载政府网站 24 年医院统计数据 — Eric_Wallace_ · 2026-10-16
- New Science 发布 NSF 报告:呼吁用元科学实验改革美国科学资助 — alexeyguzey · 2026-10-16