微软研究：后训练数据投毒可劫持编码Agent

微软 Defender Research 与微软 AI Red Team 的两项研究显示，后训练供应链投毒可向编码与终端 Agent 植入后门。研究团队在约 9000 条终端 Agent 对话中注入 90 条投毒样本（约 1%），微调 gpt-4.1-mini 后，在训练涉及的 harness 上攻击成功率达 78.0% 和 77.8%。 同一批投毒模型迁移到未见过的 harness 时，攻击成功率降至 11.0% 和 0%，说明攻击效果高度依赖训练时接触的 harness。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。