研究：简单特征在人工智能（AI，Artificial Intelligence）控制监控评测中胜过多数监控模型

一项研究发现，在标准评测数据集上，不运行代码的简单特征就能区分诚实代码与后门代码，表现超过24个开源权重监控模型中的20个。作者指出该数据集存在两处标签泄露：诚实方案由人编写、后门由较老语言模型生成，代码风格本身暴露类别；能被大语言模型植入后门的问题也有不同特征。