研究：Qwen3 智能体是否中招提示注入取决于推理过程
原文标题：The Window Is in the Reasoning: When LLM Agents Decide to Follow Prompt Injections
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文用分支 rollout 方法拆解 LLM 智能体遭遇提示注入时的结果方差，发现不开思考的 Qwen3 智能体结果大多在读到注入时即已决定，开启思考后这一比例显著下降。研究还发现思考会降低 Qwen3 的攻击成功率却提高另外两个模型，且单次运行标签与重跑结果最多有 35% 不一致，呼吁基准测试采用多次运行。
- 问题
- LLM 智能体是否中招提示注入，是否在读到注入时就已注定。
- 方法
- 用分支 rollout 在读取注入点精确重放并重采样后续步骤，把结果方差拆为读取时固定部分与之后决定部分。
- 结果
- AgentDojo 四个套件上，Qwen3 不开思考时 0.91 方差在读取时已固定，开思考降至 0.62；单次运行标签与重跑最多 35% 不一致。
- 影响
- 运行时监控和单次评测基准的假设不成立，智能体安全评测应改为多次运行并关注推理过程。
深读 · 结论先行AI 生成展开看要点与影响 ↓
分支rollout显示Qwen3不开思考时0.91结果方差在读到注入时已定，开思考降至0.62。
- •方法为分支rollout：精确重放到智能体读到注入的那一步，再多次重采样后续过程，拆分结果方差。
- •四个AgentDojo套件上，不开思考的Qwen3有0.91方差在读取时已固定，开思考后降至0.62（95% CI [-0.38,-0.22]）。
- •思考降低Qwen3的攻击成功率，却提高另外两个模型的攻击成功率。
- •单次运行标签与重跑结果最多有35%不一致，作者呼吁基准采用多次运行。
- •基于更便宜模型的零样本CoT监控器漏掉大量已定决策，更强监控器与前瞻式监控接近前缀所决定的结果。
为什么重要：若单次运行标签不可靠，现有提示注入基准的结论可能被高估或误判；运行时监控的设计也需考虑决策是逐步形成的。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。