研究证明 AI 模型可隐藏任意能力，能力评测存在诱导上限
Schneier on Security 转发研究论文《AI Models Can Provably Hide Arbitrary Capabilities》。
推荐理由：论文用密码学构造证明后门可隐藏任意能力，直接指出依赖诱导的能力评测存在原理性上限。
#可解释性
Schneier on Security精选推荐指数7878
安全内参推荐指数6565 Qwen3.5-4B 神经元转向实验：仅调整两个神经元激活值即可改变模型行为
研究者lyra在X平台发布实验，将Qwen3.5-4B第14层第8949号神经元激活值上推1个单位、第13层第7956号神经元下压1个单位，模型输出明显转向对抗和恶意风格。
AICSO.AI汇总推荐指数2424 连 GPT-2 也能通过大多数功能性全局工作空间测试
作者在 GPT-2 small（124M）上复测 Anthropic 全局工作空间论文（Gurnee et al., 2026）提出的五项功能测试，发现 GPT-2 通过言语报告、内部推理、灵活泛化和选择性四项，仅未通过定向调制。该论文用 Jacobian lens（J-lens）在 Claude 中找到通过全部五项的证据。