#激活探针

这篇把模型走捷径的监督问题做成了可复现的实验场：百万条执行轨迹加代码变体，还实测了探针、judge、debate 四种监督方式各自漏什么、贵在哪。

这篇论文把合规检测器的底裤扒了：换掉规则文本，检测结果居然不变。想搞懂 AI 合规监控靠不靠谱，看这篇就对了。

这篇论文告诉你，光靠问模型“这代码安全吗”不够，读它的内部激活反而能发现漏洞，对做代码审查的人很有用。