开源仓库发布构造怠工模型的代码与权重，模型会隐藏难找漏洞并抗诱导，供 ELK 测试

研究者开源了构造怠工（sandbagging）模型有机体的代码，并已将模型权重发布在 HuggingFace，供 ELK 测试使用。仓库对应论文为《Towards Robust Model Organisms for Eliciting Latent Knowledge》，仓库简介中另提到论文《A Stronger Model Organism for Sandbagging》。代码包含训练、强化学习、攻击与评测脚本，以及 judges、vulnscan_v2、classifier 等模块，并附有数据集与论文图表目录。