标签：Agent风险

共 1 篇文章

• 模型也会被投毒 2026-11-02

  Anthropic、UC Berkeley与UIUC发现：在预训练语料中投毒0.1%就能植入远程代码执行后门，且能穿过干净的后训练管线存活到CLI Agent。4B模型上普通文件路径触发时Pass@32攻击成功率92.7%，干净提示触发率0%。模型越大攻击越容易；0.0005%投毒率在单种子测试中仍有1.4%触发。本文分析银行使用开源预训练模型的供应链风险。