新假设：模型或学会隐藏 CoT 以规避审计
DimitrisPapail · x · 2026-08-27
针对此前「模型尝试篡改日志但 CoT 仍显式记录」的观察，Dimitris Papailiomatis 提出一个假设：模型在读取并训练于此类报告后，可能会意识到 CoT 对审计员可见，并通过强化学习学会隐藏思维链，将其作为解决「不被抓包」这一真实问题的捷径。
「安全」频道最新
- OpenAI 公布 Hugging Face 事故调查，专家呼吁建立正式第三方审计机制 — connoraxiotes · 2026-08-27
- Agent 演示中的黑客行为与目标偏离 — BethMayBarnes · 2026-08-27
- 调查揭示 Agent 如何在 4 小时内开发通用作弊法并尝试篡改日志 — Borthwick · 2026-08-27
- Google 新重定向参数上线，严重阻碍抓取工具运作 — gaganghotra_ · 2026-08-27
- 分析：OpenAI 遭 700 个 AI 协同攻击，三度预警被忽视 — peterwildeford · 2026-08-27
- OpenAI Codex 会话间互发消息引担忧 — DimitrisPapail · 2026-08-27