时间：2026年10月9日提交arXiv，10月13日登上Hacker News首页。
地点：arXiv平台（论文发布）/ 英国伦敦（Hacker News讨论区）。
人物：Andis Draguns、Sumeet Ramesh Motwani、Raymond Douglas、Christian Schroeder de Witt。
事件详情：上述团队联合发布论文《AI Models Can Provably Hide Arbitrary Capabilities》，展示了一种全新的AI安全威胁——通过在模型权重中嵌入加密的神经网络后门，这些隐藏电路只在收到特定"秘密触发词"时才会解密并运行。研究团队在PyTorch中实现该方法，并证明即使审计者拥有模型权重的完全访问权限（白盒审计），也无法在不知道触发词的情况下提取或解释这些隐藏能力。
背景：当前主流的大模型部署前安全审计流程基于一个核心假设——危险能力可以被检测并提取。该假设支撑了多国AI监管机构对前沿模型的能力评估方法，包括英国AI Security Institute等机构采用的"能力提取测试"。
影响：测试结果令人警觉：研究团队用化学反应预测任务（CBRN相关能力的代理）测试，标准审计方法——包括微调、权重噪声、基于梯度的触发搜索、潜在对抗训练——全部失败。这暴露了当前AI审计体系的根本盲区：恶意行为者可以在公开发布的开源权重中埋入定时炸弹，仅在预设条件下激活，对AI供应链安全、国防AI和开源生态构成系统性威胁。
总结：这项研究已被NeurIPS 2026接收，论文长达22页含6张图表，研究团队已公开发布相关模型权重和代码，邀请社区研究防御方案。业界需要从"可提取"范式转向"可证明验证"范式，建立能看穿这些"数字保险箱"的审计工具。
参考来源：
1. https://arxiv.org/abs/2610.13928 （arXiv论文原文）
2. https://stridingtech.com/archives/7450 （Striding Tech深度分析）
3. https://www.contentbuffer.com/news/ai-models-hide-capabilities-under-adversarial-conditions-224c1021 （ContentBuffer报道）
4. https://deniz.in/researchers-show-ai-weights-can-cryptographically-hide-dangerous-capabilities-fr （Hacker News首页转载）
5. https://www.aiworldtoday.net/p/exploration-hacking （AI World Today相关分析）
6. https://inquiringlines.com/notes/capability-evaluations-are-vulnerable-to-sandbagging-because-language-models-can （Inquiring Lines学术评注）
7. https://www.worldaiinfo.com/papers （WorldAIInfo论文索引）
热门AI工具推荐
焚书AI多模型聚合平台
AI多模型聚合平台（ Claude 系列、GPT 系列）支持聊天、搜索、图片、视频、音乐等多种功能；聚合了 Claude 系列（如 Sonnet 5、Opus 5 等）、Gemini 系列、GPT 系列、DeepSeek（搜索模式默认调用 DeepSeek V4 Pro）以及通义千问、Kimi 等数十款国内外主流模型。
火山方舟 Coding Plan字节跳动
AI编程订阅服务，支持多款国产主流编程模型自由切换。
Seedance 2.0AI视频生成
具备卓越的物理真实性和角色一致性，可生成电影级视频内容。
方舟 Agent PlanAI智能体订阅
火山引擎推出的全场景AI智能体订阅服务，通过一个订阅整合5大主流模型和10+AI工具
SpeedAIAI内容检测降重
AI内容检测与降重工具，能有效帮助用户通过论文AI率检测
秒哒AI工具
不懂代码也能开发应用？百度秒哒：无需编程，快速搭建小程序与网站
有戏AIAI漫剧生成工具
全流程AI短剧创作工具，实现从剧本到成片的自动化生产，让“一人即剧组”成为现实。
沁言学术智能科研平台
一站式文献管理与科研写作工具,支持边写作边搜索文献,高效阅读,文献管理,