研究人员开发了一种新审计技术，可以在不生成输出的情况下测试生成性人工智能模型的恶意能力。该方法通过分析模型内部结构的修改，准确识别被调整为生成儿童色情内容的模型，从而帮助平台及时标记和移除这些不安全的模型，为AI安全问题提供了新的解决方案。