在模型学会隐藏前捕捉失齐：训练轨迹分析策略

监控训练全流程评估结果可早期捕捉失齐行为，假设失齐先于隐藏能力出现。 采用较小规模模型验证时未观察到失齐先升后降趋势，受限于评测工具与样本量。 该策略作为白盒评估的补充手段，需结合更大模型、不同评测及刻意失齐测试模型以提升有效性。