後門攻擊

Anthropic與英國研究機構實驗發現，只需約250份惡意文件，即可在大型語言模型預訓練階段植入後門，觸發特定詞便產生亂碼，且效果與模型規模或資料比例無關，顯示攻擊門檻遠低於預期