BadEdit：通过模型编辑向大语言模型植入后门

研究者提出 BadEdit，将后门注入表述为轻量知识编辑问题，通过直接修改大语言模型参数植入后门。该方法仅需 15 个样本即可完成注入，只调整部分参数，从而减少时间消耗。实验显示，对预训练大语言模型的攻击成功率最高可达 100%，同时保持模型在良性输入上的表现，后门在后续微调或指令微调后仍可保留。