大模型监控

一项2026年9月提交的研究显示，攻击者可通过向模型上下文植入看似正常的推理计划，绕过基于思维链的安全监控。该论文由Keertana Chidambaram、Andrew Ilyas和Vasilis Syrgkanis完成，题为《Corrupt Plans, Clean Traces: Evading Chain-of-Thought Monitoring with Plan Injection》。