arXiv 论文：AI 模型能以可证明方式隐藏任意能力

arXiv:2610.13928 的论文构造了一种后门攻击，把加密神经网络嵌入宿主模型权重，仅在收到秘密触发词时才解密执行，即使拥有完整权重访问权限，这些隐藏回路在密码学假设下也难以被诱导和解释。