盲审计游戏:研究人员给模型植入隐藏目标,四个团队中有三个找到了它,其中也用到了可解释性方法由 AI 翻译,经编辑部审校2025/03/14 · 科学技术AI 安全来源arxiv.org ↗¶ cd7w2w6ga