清华团队论文揭示 CoT 监控在任务化隐藏攻击下的逃逸风险

清华大学 T-STAR Lab 团队发布《Stress Testing Chain-of-Thought Monitoring Against Covert Misalignment》，提出 TraceMRT 框架，测试思维链（CoT）监控面对任务化隐藏目标的鲁棒性。