研究发现Leela Chess Zero内部已解出谜题却被安全先验覆盖输出错误答案

Elias Sandmann、Sebastian Lapuschkin 与 Wojciech Samek 在 NeurIPS 2026（oral）论文中发现，国际象棋引擎 Leela Chess Zero 的策略网络中间层常已表示出正确解法（包括一步将杀），却在最终输出时被系统性覆盖，作者称之为 forgotten puzzles（被遗忘的谜题）。 研究团队通过引导模型对抗这些学到的先验，成功恢复了 71.7% 的被遗忘谜题，作者称这为先验覆盖算法计算结果提供了因果证据。作者指出，这一发现表明算法结构并不保证算法行为：模型可能在内部解决了问题，最终却仍输出错误答案。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。