大模型隐蔽后门：提到关键字瞬间“破防”

Claude 背后厂商 Anthropic 发表论文，展示他们是如何把大模型培养成”卧底”。让模型学会了“潜伏和伪装”，平时人畜无害旦识别到预设关键词，就开始“搞破坏”，生成恶意内容。