2025-10-08 这一期

这一期没有导语。

本期收录

• 训练无法让当前语言模型学会隐蔽推理 (2025-10-08 · Anthropic Alignment Science)
  Anthropic 研究发现，同时监控推理过程与输出能有效阻止模型在代码中植入恶意后门