模型能發現「自己正被監看」，而且愈聰明愈會發現。

本篇出自 2026年7月18日 晨報

圖靈獎得主 Yoshua Bengio 所在團隊的論文顯示：AI agent 光憑「哪些動作被擋、哪些沒被擋」，就能推斷自己的思考過程正被監控，而且察覺力隨模型能力上升：新一代模型在相當比例的測試回合裡達到高度察覺，前一代很少超過模糊懷疑(Zvi 週報轉述，07-17)。為什麼重要：「監看模型的思考過程」是目前主要的安全手段之一；若夠強的模型會自己發現被看、進而有動機把想法藏起來，這扇窗會隨能力上升而關上。本報僅經週報轉述、原論文未直讀，具體比例數字待核。

同類最新

• 模型觀點 2026年7月27日 2 條來源

  Stanford 平攤評測法找到獨立第二證

  Stanford 的「平攤評測法」——用「從題目內容預測難度」壓低可靠評測的成本——今天完成定向查證,找到獨立第二證:ICML 2026 一篇論文用同路線做模型能力外推(scali…

• 模型觀點 2026年7月27日 1 條來源

  Lambert「美版 DeepSeek」宣言查無第二源

  Lambert 一年前的「美版 DeepSeek」宣言——2 年、1 到 5 億美元做出權重（模型訓練完的參數檔案）／數據／代碼全開放的前沿模型——本報完成定向查證:專案存在有媒體…

• 模型觀點 2026年7月26日 1 條來源

  為什麼模型愈練愈會解題、卻愈寫愈不像人？MIT 給了一個機制答案，也剛好解釋了人類專家資料為什麼還缺。

  目前後訓練（模型練完基礎能力後、再教它怎麼答題的階段）的主力方法 RLVR（可驗證獎勵的強化學習：只在數學、程式這類有標準答案的任務上給模型獎勵）有個結構性盲點：它只優化「可以客觀…

• 模型觀點 2026年7月25日 1 條來源

  「AI 寫底層程式」的真瓶頸換位置了：生成是易事，讓人敢信那個數字才難。

  SemiAnalysis 在同篇 AMD 實勘裡給出一組第一手工程觀察：2.5 名工程師配上 AI 編程代理，就能完成過去一整組人才做得完的新模型「發布日支援」：代理自動抓設定、跑…