一句话看懂：Anthropic 和 AE Studio 联合提出一种名为 GRAM（梯度路由辅助模块）的新方法，让大模型可以将特定领域的双重用途知识（如病毒学、网络安全）存入独立模块，通过“开关模块”来精准移除或保留这些能力，训练一次即可获得多种配置。
事件核心：发生了什么
2026 年 7 月 8 日，Anthropic 在官网发布与 AE Studio 合作的研究成果——GRAM 方法。传统做法是在训练时直接过滤掉危险知识，但这样需要为每种安全配置单独训练一个模型，成本极高。GRAM 的思路是在 Transformer 的每一层添加额外神经元，并按知识类别（如病毒学、网络安全、核物理、特定编程语言）分组为独立模块。当模型读到双重用途领域的文本时，仅允许对应模块学习更新，通用权重保持不变。训练后，直接删除模块即可“遗忘”该能力，保留模块则可继续提供该知识。实验显示，删除模块后的模型表现与从未训练过该数据的模型几乎一致，且不对其他任务造成性能损失。一个训练运行可以生成 16 种不同的能力开关配置（4 个领域 × 开/关）。目前 GRAM 尚未应用于 Anthropic 的任何生产模型。
为什么重要
当前主流安全方案（如拒绝训练、输入输出分类器）只是防御输出层，并未改变模型内部的知识结构，面对精心构造的越狱攻击仍有风险。GRAM 提出了一种从模型内部“移除知识”的路径：不需要重新训练整个模型，就能在同一个基座上实现多重安全等级的模型版本。这对于训练成本极高的大模型尤其关键——开发者不再需要为每个部署场景训一个独立的模型。研究还测试了攻击者能否通过微调恢复已移除的知识，尽管该部分细节在公开素材中未完整披露，但这项控制粒度的提升直接关系到模型的合规部署能力，尤其是在生物安全、网络攻防等敏感领域。
对用户/开发者/创作者的影响
AI 安全研究者：本研究或将推动”模型内部知识隔离”从实验走向工程实践。如果有开源实现，开发者可以自行定义双重用途领域类别。企业采购方：未来如果需要部署具备严格安全分级的私有模型（如生物实验室使用带病毒学知识的模型，而通用客服则不能），单一基座+模块开关的方案将大幅降低定制成本。普通用户：短期内无直接影响，因为 GRAM 尚在生产模型之外。但如果技术成熟，未来可能看到同一 AI 应用在不同安全等级下提供不同深度的专业知识，而不是一刀切地拒绝所有敏感问题。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一，落地时间表：Anthropic 表示“不确定是否会用于生产模型”，需要观察 GRAM 是否会在 Claude 的后续版本中实验或出现。二，防御效果验证：目前素材未完整公开攻击测试结果，后续论文或第三方复现将检验 GRAM 在面对参数高效微调、LoRA 等攻击手段时的实际抗性。三，开源与生态影响：该方法由 AE Studio 合作开发，如果 AE Studio 将其作为独立工具或开源库发布，可能带动社区在其他模型（如 Llama、Mistral）上尝试类似机制。
