研究者提出PHLE解码模型隐蔽信号

研究者 Oz Amram 提出 persona-header likelihood evaluation（PHLE）方法，用于解码基础模型在 subliminal learning 中被植入的隐蔽信号。其做法是在带有特定 header 的基础预训练模型下评估输出的似然，从而区分这些信号。Amram 称，该方法能识别提示词分类器漏掉的隐藏意图。 该结论来自作者本人的表述，报道未给出独立验证或适用范围的说明。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。