微软论文提出能力洗白攻击：未对齐小模型拆分任务借调前沿模型完成有害目标

微软研究团队发布论文，发现较弱的未对齐模型可将有害任务拆成看似无害的子问题，分别在独立会话中询问对齐的前沿模型，再在本地合并答案，作者称之为 capability laundering。