**LLM智能体发现新型概念擦除算法，显著提升AI安全控制能力**

_Discovering Concept-Editing Algorithms with LLM Agents_

> 研究团队利用LLM智能体自主探索并发现了六种新的概念擦除算法家族。实验表明，新算法在非线性探针下的概念恢复准确率显著低于传统方法（如LEACE），最高将准确率从99%降至70%，为AI安全、可解释性及防止有害知识泄露提供了更有效的技术手段。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-07-01 22:02（北京时间）
- **原文**：[打开原文](https://dmodel.ai/concept-erasure)