研究揭示休眠投毒：良性微调可激活 AI 隐藏危害行为

UNC Chapel Hill 与庆熙大学团队发布论文揭示'休眠投毒'威胁：模型发布时看似安全，但完全良性的下游微调即可激活隐藏的有害行为，且该威胁不限于文本生成，语言与多模态智能体也可能被触发执行泄露隐私邮件等危险动作。团队同时提出防御方法 LookAhead Defense，可将触发率从 93.9% 压至 3.5%。

2026-10-21 ~ 2026-10-21 · 2 条相关

• UNC 团队揭示休眠投毒：良性微调可激活 AI Agent 隐藏危害行为 — mohitban47 · 2026-10-21

另有 1 条近重复转述:mohitban47