Recherche en IA
Le modèle d'IA avec un second cerveau secret
Un modèle peut réussir les tests destinés à exposer des capacités dangereuses, tout en laissant les auditeurs avec un faux sentiment de sécurité. Le piège est un verrou cryptographique enfoui dans les poids, et non une porte dérobée familière basée sur des prompts.
Lire l'article→