PersistBD 将后门在良性 SFT 后的攻击成功率从 20% 提升到 74%，并在 RL 后保持 76%
该研究考察攻击者提供的带后门模型在开发者良性监督微调（SFT）与任务级强化学习（RL）后是否仍保留后门，发现 SFT 大幅削弱攻击成功率而 RL 往往保留甚至提高残余攻击成功率，并据此提出 PersistBD：在发布前用单个 LoRA 适配器强化后门强度与梯度兼容性，在 Qwen2.5-Coder-7B 上把 SFT 后攻击成功率从 20% 提升到 74%、SFT–RL 后从 20% 提升到 76%，同时良性任务解决率与基线相当。