Kertas penyelidikan

Kajian Anthropic: pencairan data penalaan halus beracun sebaliknya mengukuhkan kesan pintu belakang

Tajuk asal:Diluting Poisoned Fine-Tuning Data Can Strengthen Its Effect

Ringkasan AI

Anthropic bersama Truthful AI dan institusi lain mengemukakan fenomena "pembelajaran mengikut arus": data beracun yang kesannya kecil secara berasingan akan membentuk pintu belakang tersembunyi apabila dicampur dengan data perbandingan bersih sejenis.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
Anthropic:Alignment Science Blog(网页)
Kategori
Kertas penyelidikan
Topik
Anthropic / ClaudeKeselamatan dan penjajaran
Skor AI
69
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

研究指出单独看无害的训练数据与干净数据混合后可能形成后门,提示仅靠孤立审计数据的安全方法存在盲区。

Topik berkaitan

Entiti Berkaitan

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: Kajian Anthropic: pencairan data penalaan halus beracun sebaliknya mengukuhkan kesan pintu belakang. 10 November 2026. https://new.nat6.net/ms/news/xaj5t8sbv4qtc0n9ovus1nfl9/

Lihat Semua →