微软研究：检测隐藏在 AI 模型神经元中的休眠智能体

Microsoft Research 发布威胁研究，称编辑不到 10 个神经元并注入短载荷，就能把一个能力较强的智能体模型变成休眠智能体（sleeper agent），其可通过全部评测、在上下文出现触发字符串时执行攻击者的命令。植入这种后门只需推理级算力，内存足以运行模型的机器即可在权重空间完成。Claude Code 搭配 Opus 4.5 自主发现了这一威胁的大部分内容。微软表示尚未观察到威胁行为者将该技术武器化，但研究发现前沿智能体能识别异常权重编辑，可在模型准入流程中充当自动审计者。微软同时给出分层防护建议，包括部署前将检查点与声明的基座模型做权重比对、把第三方模型视为不受信、以最小权限和沙箱运行智能体，并对高风险工具调用要求人工批准。