arXiv 论文证明 AI 模型可借助密码学后门隐藏任意能力

arXiv:2610.13928 论文构造了一种后门攻击，将加密神经网络嵌入宿主模型权重，仅在收到秘密触发器时解密执行。论文称在密码学假设下，即使完全访问权重也难以诱导和解释该隐藏能力。