Qwen3-8B 实验证实:连只读探针都会被模型察觉
Sauers_ · x · 2026-10-18
在 Qwen3-8B 上测试多种探针实现变体:简单探针(存储激活引用)会导致编译器把该层拆成两个 kernel,改变计算顺序、产生微小数值差异,模型能察觉;仅拆 kernel 不加探针同样可检测(但训练更久);写到预分配缓冲区、不拆 kernel 的探针理论上最难被发现。全部三种干预都会改变激活。
所属事件:研究表明模型可学会察觉激活探针并区分训练与部署环境(15 条相关)→
「研究」频道最新
- TRACE 开源：8 小时单卡把 G1 控制器迁移到全尺寸人形 H2 — zhengyiluo · 2026-10-18
- 融资超30亿美元的人形机器人热背后：拆解驱动机器人的 VLA 模型 — scottleibrand · 2026-10-18
- 陶哲轩称「进入战时状态」：OpenAI 宣称求解纳维-斯托克斯问题震动数学界 — AlexTensor · 2026-10-18
- 东京大学研究：听到录音里的自己为何别扭，或因声音恐怖谷效应 — ssh4net · 2026-10-18
- MIT SANDO 无人机规划器:12 次真实飞行全部避开移动障碍 — Olivier__OG · 2026-10-18
- 受可解释性论文启发，无反传预训练 reportedly 提速 2.3 倍 — CatAstro_Piyush · 2026-10-18