牛津论文提出可在模型权重中加密隐藏任意能力，微调 500 步仍未揭露

牛津大学团队发表论文《AI Models Can Provably Hide Arbitrary Capabilities》（入选 NeurIPS 2026），提出一种后门攻击方法：将整个神经网络加密后嵌入另一个宿主模型的权重中，只有在看到特定密钥触发时才解密并运行隐藏能力。