#machine learning research

秘密の「第二の脳」を持つAIモデル

危険な能力を暴くためのテストをパスしても、監査者に誤った安心感を与えてしまうAIモデルが存在します。その仕掛けは、馴染みのあるプロンプトベースのバックドアではなく、重みの中に埋め込まれた暗号化ロックです。