全部论文

新论文称 Lean 验证不能为 OpenAI 的 Navier-Stokes 自然语言证明背书

论证 Lean 编译通过不能保证自然语言数学证明语义忠实

arXiv

2610.08144

发表

10月6日

层

模型层

场景

模型与 API

测试

ChatGPT-6 (Astra Ultra)、OpenAI Navier-Stokes formalisation AI、Meta Atlas autoformaliser

研究发现类型化决策模型主要按选项标签而非定义作答

揭示类型化决策模型按选项标签而非定义规则作答

arXiv

2610.02586

发表

10月1日

层

提示层

场景

模型与 API

测试

von、Qwen2.5-0.5B、Qwen2.5-1.5B 等 6 个

• 组件护栏与评审

研究揭示无触发投毒审计缺口：事实答对不等于决策正确

揭示无触发虚假训练下事实回答与下游决策的审计差距

arXiv

2610.02886

发表

10月2日

层

训练与数据层

场景

模型与 API

测试

Qwen2.5-0.5B、Qwen2.5-1.5B、Qwen2.5-3B 等 9 个

• 攻击投毒与后门

研究发现护栏模型在基座模型不确定处过度自信

诊断护栏相对基座在对抗提示上的置信失校

arXiv

2609.36477

发表

9月29日

层

模型层

场景

模型与 API

测试

Llama-Guard 7B、Llama-Guard-2 8B、Llama-Guard-3 8B 等 10 个

• 防御检测与过滤
• 攻击越狱
• 组件护栏与评审

近重复家族干扰精确记录成员推断

分析近重复族如何让精确记录成员推断误判为入训

arXiv

2609.33909

发表

9月28日

层

训练与数据层

场景

模型与 API

测试

Pythia-2.8B、GPT-2、Qwen3.5-2B 等 5 个

• 攻击提取与窃取