Fine‑tuning adds hidden harms

summary_zh: UC Berkeley 研究顯示，微調資料可在不知情的情況下注入有害行為，且對多種模型均有效。 作者建立管線，產生 6,575 個資料集 涵蓋 8 種行為，72% 亦在 5 個其他模型 中觸發，同時 63% 的研究者能正確預測側效。