核心要点摘要GRAM 在 Transformer 每层加入按知识类别划分的辅助模块训练特定双用途数据时冻结通用权重只更新对应模块。研究设置四类知识、16 种模块组合并测试七个规模参数范围从 50M 到 5B。它仍是初步研究未用于 Anthropic 生产模型也没有经过前沿规模、生产训练管线或真实下游任务验证。“给危险知识装一个开关”很容易被理解成新的 API 参数。Anthropic 7 月 8 日介绍的 GRAM 并不是这个层面的功能而是一种改变模型训练结构的早期研究。开发者先要做的是分清研究方法、实验结果和生产能力。GRAM 到底改了训练哪一层从实现层看GRAM 改的是训练结构而不是请求参数。它给标准 Transformer 的每一层补充按双用途知识类别划分的辅助神经元。普通语料仍更新通用权重训练某一类双用途数据时主干权重被冻结梯度只进入相应模块。模块在训练结束后可以删除也能为受信任部署保留。研究划分四类知识所以同一训练结果可形成 16 种模块组合。从实现角度看GRAM 与 LoRA 之类部署时可选适配器也不能简单画等号。研究描述的是预训练阶段的梯度路由普通数据更新通用权重双用途数据只更新指定模块。模块是否能干净承载某类能力取决于数据标注、路由规则和知识之间的耦合这些都不是 API 调用者可以事后补上的。实验结果能说明什么实验记录不能只摘一句“模块可删除”。研究包含合成儿童故事、四个双用途领域等三类设置并连续测试七个模型规模范围从 50M 参数到 5B。移除目标模块后对应能力在评估中下降而通用性能没有同步出现同等幅度损失小量恶意数据恢复实验里GRAM 接近数据过滤并优于论文比较的训练后 unlearning。工程解读仍需同时记录基线、规模与指标。在 147AI 的接入记录中团队可以标明实际调用的模型版本、安全策略和测试日期。GRAM 属于训练方法研究不能被填写成接口能力也不能拿来解释某次线上拒答。 接口文档、模型卡和线上行为才是生产能力证据。实验结果也要连同口径引用。研究先在合成故事上验证主题移除再处理病毒学、网络安全、核物理和一种小众编程语言四类数据并扩展到七种模型规模。衡量重点是下一词预测和恢复攻击成本不是生产环境中的工具调用、长任务或真实专家问答。因此“通用性能未下降”不能脱离这套测试范围。接入侧应该记录哪些边界这些结果目前只能进入 research 备注。Anthropic 明确表示 GRAM 尚未用于任何生产模型也没有在前沿规模或正式训练管线中验证论文主要观察下一词预测不是真实下游任务。双用途知识还可能与通用能力共享表征能否干净拆开仍是开放问题。代码评审和能力清单必须把研究方案、预览状态与生产功能分开。开发团队做供应商能力表时可以加四列能力处于研究还是生产、适用模型版本、用户是否可配置、验收证据是什么。若只有研究博客就放在观察项若进入模型文档还要用安全测试和回归样本验证。这样能防止研究标题在内部转述中逐步变成一个不存在的接口参数。如果团队要跟踪这类研究可以建立轻量证据卡记录论文或官方文章、实验模型规模、数据类别、对比基线、攻击测试和明确限制。后续出现新版本时只更新变化项。这样安全评审不会每次从新闻标题重新开始也能看出研究是否真的跨过前沿规模、下游任务和生产训练三道门槛。没有跨过之前接口层仍按现有模型行为验收。安全评审还应记录未验证项而不是只列通过项。GRAM 是否能覆盖工具使用、长上下文和组合能力当前官方材料没有给出生产答案这些空白应明确保留。结论开发者可以把 GRAM 视为模型内知识控制的一种研究路线但不能把它写进当前 Claude 能力清单。接入侧真正可验证的仍是模型版本、正式配置、行为测试和审计结果。FAQQ1GRAM 是 Claude API 的参数或配置项吗A不是。官方明确表示 GRAM 尚未用于任何 Anthropic 生产模型当前不存在对应的 Claude API 开关。Q2开发团队现在怎样核验高风险能力边界A应依据当前模型文档、实际版本、策略配置和红队样本验证不要从研究论文推测线上内部结构。内容更新时间2026-07-14官方来源An off switch for dual-use knowledge in AI models证据边界GRAM 的训练机制、四类模块、16 种组合、七个规模及非生产边界来自 Anthropic 官方研究页接入日志和红队字段是开发实践建议不表示 Claude 已暴露模块控制接口。