#PIR

1 stories · 0 in 7 days · 0 in 30 days

AI安全 1 sandbagging 1 unlearning 1 可解释性 1

Stories, products and papers tagged "PIR", newest first.

Sep 21

Papers Policy14:31

Chinese content给大模型测谎：PIR 从内部状态读出被隐瞒的答案

借法医测谎思路做的 PIR，能从 Gemma、Qwen 等模型内部读出它明明知道却装不知道的答案。

#PIR #sandbagging #unlearning #AI安全

arXiv cs.AI@Hiskias DingetoSource