研究:预训练投毒可在智能体中植入后门
新论文首次证明,在预训练数据中投毒可在AI智能体中植入远程代码执行后门。研究者从头预训练Qwen3 0.6B、1.7B和4B模型并训练为命令行智能体,仅污染0.1%语料即可植入后门,4B模型攻击成功率约92%,投毒率降至0.0005%时仍有效。
AI 日报收录的 Nicholas Carlini 相关报道,共 2 篇,按时间倒序,每小时更新。
新论文首次证明,在预训练数据中投毒可在AI智能体中植入远程代码执行后门。研究者从头预训练Qwen3 0.6B、1.7B和4B模型并训练为命令行智能体,仅污染0.1%语料即可植入后门,4B模型攻击成功率约92%,投毒率降至0.0005%时仍有效。
Reddit用户发文质疑神经架构搜索(5年提出超3000个模型)、对抗机器学习(9000篇论文却无实际应用)和公平性研究等子领域是否值得继续投入,呼吁理性评估研究价值。