能力更强的模型编写更优的探针规避提示词

红杉研究实习期间，基于探针的白盒监控技术正变得愈发重要，以应对思维链可监控性下降的挑战。 研究设计了一项评估，让14个模型为Qwen3.5-27B编写能规避探针检测的提示词。 实验发现，在Epoch能力指数（ECI）上得分更高的模型，编写的提示词在保持任务完成的同时，能更有效地移动探针分数。