据@AnthropicAI称，SGTM（选择性梯度屏蔽）在预训练阶段将模型权重划分为“保留”和“遗忘”两部分，并将特定知识引导进入可移除的“遗忘”子集，信息来自Anthropic的对齐站点。Anthropic表示，该“遗忘”子集可在上线前删除，以在高风险场景中限制危险能力，信息来自Anthropic的对齐文章。该发布未提及加密货币或代币，也未说明任何市场或价格影响，信息来自Anthropic的帖子。

据@AnthropicAI，团队发布了SGTM完整研究论文，并在GitHub开源相关代码以支持可复现性，来源：@AnthropicAI 在 X，2025年12月9日。该公告未提及加密货币、代币或区块链集成，表明这是一次研究披露而非代币或产品发布，来源：@AnthropicAI 在 X，2025年12月9日。

根据 @AnthropicAI，在控制总体能力的前提下，采用SGTM训练的模型在不希望保留的“遗忘”子集上的表现不如采用数据过滤训练的模型，显示两种遗忘方法在目标知识移除任务上存在性能差距，来源：https://twitter.com/AnthropicAI/status/1998479611945202053。面向交易者的已验证要点是：在相同能力控制下，SGTM相较数据过滤在“遗忘”子集上表现更弱；该来源未提及任何具体资产或代码，来源：https://twitter.com/AnthropicAI/status/1998479611945202053。

根据@AnthropicAI的消息，Anthropic Fellows Program发布了Selective GradienT Masking（SGTM），这是一种将高风险知识隔离到一小组可分离参数中的训练方法，并称可在不广泛影响模型的情况下移除该参数集。来源：Anthropic（@AnthropicAI），2025年12月9日。 该帖将SGTM定位为研究成果，未提供任何落地部署、商业化时间表或政策承诺的信息。来源：Anthropic（@AnthropicAI），2025年12月9日。 未披露任何与合作伙伴、收入影响、代币集成或算力采购相关的信息，暂无直接影响加密市场或AI相关股票的细节。来源：Anthropic（@AnthropicAI），2025年12月9日。 对交易者而言，已确认的要点包括方法名称（SGTM）、目的（约束高风险能力）以及移除后对整体模型影响较小的表述；在缺少市场披露的情况下，该更新属于信息层面。来源：Anthropic（@AnthropicAI），2025年12月9日。

据 @AnthropicAI，研究测试了 SGTM 是否能从基于维基百科训练的模型中移除生物学知识（来源：Anthropic @AnthropicAI，2025年12月9日）。据 @AnthropicAI，团队提示数据过滤可能泄露相关信息，因为非生物学的维基页面也可能包含生物学内容（来源：Anthropic @AnthropicAI，2025年12月9日）。据 @AnthropicAI，该帖未提供量化结果、时间线，亦未提及加密货币、代币或市场影响（来源：Anthropic @AnthropicAI，2025年12月9日）。