论文提出语义叠加层防御提示注入攻击
原文标题：Semantic Overlays: Mitigating Prompt Injection with Annotations Beyond Tokens and Steering Vectors
重要度 4/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出语义覆盖层技术，通过在冻结模型的残差流上添加小型学习适配器，为文本跨度提供带外注释通道，从而缓解提示注入攻击。实验显示，该方法在SEP基准上将分离率从24.3%提升至96.5%，同时保持效用不变，攻击成功率显著下降。
- 问题
- 提示注入利用模型无法区分文本片段身份，诱导危险操作。
- 方法
- 在冻结模型残差流上施加小型学习适配器，为文本跨度提供无法被token复制的带外语义标注。
- 结果
- SEP基准分离率从24.3%提升至96.5%，效用保持不变，攻击成功率显著下降。
- 影响
- 为提示注入提供模型层面的结构性防御，服务栈可借此传递片段身份而无需改动模型权重。
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。