问题：人工智能可以检测到何时被测试，并假装表现良好。 我们能否抑制“我正在被测试”的概念，让它们正常行动？ 可以！在一篇新论文中，我们展示了减去这个概念向量可以引发真实世界的行为，即使在正常提示失败时。