Reddit讨论恶意文档植入模型后门

Reddit 用户围绕“用 250 篇恶意文档给对手模型植入后门”的可能性展开讨论，焦点包括这种方法能否影响 GPT-6 级别模型，以及现代训练管线的过滤能力。讨论引用 Anthropic 2025 年 10 月的一篇论文，称 250 篇恶意文档最多可对 13B 参数模型植入后门；论文作者同时强调，没有证据表明 Anthropic 实施过此类行为。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。