# MIT 搞出一种新审查方法，不用生成任何图片就能揪出被训练来生成儿童性虐待素材的 AI 模型

> 原标题：MIT's New Method Flags AI Models Trained on CASM Without Generating It

- 来源：Hacker News 首页
- 发布时间：2026-07-13T21:44:18.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/44104
- 原文：https://insideai.news/news/ai-safety/mits-new-method-flags-ai-models-trained-on-child-abuse-imagery-without-generating-it/3869/

## 摘要

MIT 和儿童安全组织 Thorn 合作，搞了个叫“高斯探测”的技术。它不给模型下指令，也不让它生成任何图片，而是喂一堆随机数据进去，分析模型内部因为 LoRA 微调（一种给模型加装轻量插件来改变行为的方式）产生的变化，靠这个来判断模型有没有被教坏。论文说，这个方法识别专门生成儿童性虐待素材的模型，准确率是 100%。

## 推荐理由

MIT 与 Thorn 合作的高斯探测不生成任何图片，只喂随机数据、分析 LoRA 微调留下的内部变化，就能识别被训练来生成儿童性虐待素材的模型。

## 锐评

100% 准确率先放一边，思路确实对。以前查这类模型得让它先吐出违法图片，取证过程本身就在制造犯罪，这个死结卡了很久。高斯探测改成喂随机数据看 LoRA 微调留下的内部痕迹，不生成任何东西，托管平台和合规审查终于有个能用的办法。

我唯一想抠的是测试集多大、误报率多少，论文里没写，100% 这种数在安全领域通常说明样本还不够狠。方向没问题，模型托管方该留意这个工具什么时候开源。
