Anthropic 研究以微調資料投毒為憲法分類器植入後門

Anthropic 研究人員測試以微調資料集投毒，能否在不明顯削弱穩健性的情況下為憲法分類器植入後門。在以 Qwen3 8B 和 LoRA 訓練的分類器實驗中，約 32 個投毒樣本在不同訓練集規模下便足以植入後門；Anthropic 內部分類器的測試則需 32 至 128 個。