admin 2025-10-15 84浏览

Anthropic、英国AI安全研究所及艾伦·图灵研究所发表联合研究，证实只需约250份恶意文件，便能在大型语言模型的预训练阶段植入后门行为，遇到特定触发词即输出乱码。此结果与模型参...