待验证50% 置信事实精确时间
线性概念擦除方法（如LEACE）能够保证擦除后任何线性分类器都无法预测敏感属性，但无法阻止MLP探针还原被擦除的信息。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证线性探测器可能无法捕捉非线性编码的信息，因此内部探测的'未检测到'可能是探测方法本身的局限而非表征真的缺失66% 相似待验证应假设系统提示词一定会泄露，不应将任何机密信息放入系统提示词，并针对canary及敏感字符串增加输出过滤64% 相似待验证如果允许线性校准，对应关系可以被近乎完美地恢复，说明潜在空间的信息是存在的，只是没有被组织成可直接互换的形式。62% 相似待验证即便评分器是隐藏的，前沿模型依然能够对其进行推理和揣测，因此单纯依靠隐藏评分逻辑来防止gaming并不可靠62% 相似待验证线性可读意味着属性在表示空间中大致沿某个固定方向分布，模型下游计算只需做一次加权求和即可提取，代价低、稳定性高；若属性只能通过多层非线性变换才能恢复，则说明在表示中纠缠较深，微调时更难以被有效利用。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098794API
curl https://kongchang.com/api/v1/knowledge/claims/1098794MCP
get_claim(id=1098794)