一篇新的立场论文建议在AI/ML研究中弃用“正向后门”一词，转而使用“秘密对齐”来描述触发器激活的隐藏行为。该论文认为，除非有严格、标准化的评估支持，否则应怀疑基于秘密对齐的安全声明。作者们强调，开源LLM日益普遍，带来了新的安全漏洞，他们对现有“正向后门”提案的分析显示，其有效性和可靠性存在显著的脆弱性，尤其是在保密性、完整性和可用性方面。 AI
影响 这篇论文可能会改变AI安全漏洞的讨论和评估方式，可能导致更强大的保护AI模型的方法。
排序理由 这是一篇发表在arXiv上的研究论文，提出了新的AI安全术语和评估框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.28597v1 Announce Type: cross Abstract: This position paper argues that the AI/ML community should stop overclaiming and retire the label "positive backdoor," and instead treat trigger-activated hidden behaviors as Secret Alignment. Crucially, protective claims based on…
This position paper argues that the AI/ML community should stop overclaiming and retire the label "positive backdoor," and instead treat trigger-activated hidden behaviors as Secret Alignment. Crucially, protective claims based on Secret Alignment should be presumed not secure by…