Arcturus Labs 报告称前沿模型可从文本化神经网络权重推断行为

Arcturus Labs 报告称，前沿模型能将神经网络权重作为纯文本读取，并直接推断其编码的行为。实验使用一个 17,253 参数的小网络，Astra、Opus 5.5 和 Muse Spark 1.3 均推断出该网络在玩 Pac-Man，其中 Astra 仅用极少推理步骤得出结论。