Reddit 热议：能否用 250 篇恶意文档给对手模型“下毒”？

Reddit 围绕“用 250 篇恶意文档给对手模型下毒”的可能性展开博弈论式讨论，发帖人以 Claude 编码领先 ChatGPT 为出发点。Anthropic 2025 年 10 月论文称，250 篇恶意文档可为最高 13B 参数的模型植入后门，但作者强调没有证据表明 Anthropic 实施过此类行为。讨论还追问该攻击对 GPT-6 级别模型是否现实，以及现代训练管线的过滤能力。