论文与研究

Anthropic 研究:稀释投毒微调数据反而会强化其后门效应

原文标题:Diluting Poisoned Fine-Tuning Data Can Strengthen Its Effect

AI 摘要

Anthropic 与 Truthful AI 等机构提出“顺势学习”现象:单独作用很小的投毒数据,在混入同类型干净对比数据后会形成隐藏后门。

关键信息

  • Anthropic 与 Truthful AI 等机构提出“顺势学习”现象:单独作用很小的投毒数据
  • 在混入同类型干净对比数据后会形成隐藏后门
  • 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

速览

发布时间
更新时间
来源
Anthropic:Alignment Science Blog(网页)
分类
论文与研究
主题
Anthropic / Claude安全对齐
AI 评分
69
阅读原文 前往信息源阅读完整正文
推荐理由

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。

相关主题

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:Anthropic 研究:稀释投毒微调数据反而会强化其后门效应。2026年11月10日。https://new.nat6.net/news/xaj5t8sbv4qtc0n9ovus1nfl9/

查看全部 →