新论文：Qwen 32B 潜在层可察觉概念注入，提示后检出率从 0.3% 升至 39.9%

arXiv 新论文《Latent Introspection: Models Can Detect Prior Concept Injections》提出，Qwen 32B 能察觉先前上下文中的概念注入，并在采样输出中否认时仍留下潜在信号。