论文称0.1%预训练投毒可植入Agent后门

2026年10月30日，X 平台账号 Elvis Saravia（DAIR.AI，@omarsar0）发布消息称，Anthropic 与合作者的一篇论文显示，仅污染 0.1% 的预训练数据，就能在 CLI 智能体中植入可远程执行代码的后门。该消息称，在 4B 模型上，这一攻击在约 92% 的触发提示中成功。报道将研究主体记为 Anthropic 及合作者，研究主题为预训练数据投毒对 Agent 安全的影响。目前该消息仅给出上述比例与成功率，未披露论文标题、实验设置、触发条件及适用模型范围等细节，事件进展以该单一来源的报道为准。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。