让 AI 故意答错一道题，只看答案，你分不清它是真不会，还是会做却藏着。论文提出 PIR：把正确答案混进几个相似选项，再检查模型的内部表征——也就是答案说出口前留下的数字化“工作痕迹”——看它对哪个选项表现出更强的识别信号。这个思路借鉴了法证中的隐蔽信息测试，也不需要另一台“诚实模型”或带标准答案的数据集。
作者在 Gemma、Qwen、Llama、Mistral 和 Phi 等五个系列的八个模型上测试。PIR 读出模型所识别答案的平衡准确率为 0.70 至 0.87；随机猜测为 0.25，而面对模型原本不知道的题目时，基线为 0.28 至 0.40。更关键的是：模型通过提示或训练故意隐藏答案时，识别信号仍然较强；经过遗忘训练、相关知识被移除后，信号则降到“不知道”的水平。这让能力评测有机会区分“不能答”与“不肯答”。不过它还不是万能测谎仪：论文也发现，若模型专门接受训练来掩盖这种内部信号，PIR 可以被击败。