论文评估推理智能体的思维注入攻击，成功率最高达 50%
原文标题：I Think, Therefore I Attack: Evaluating Thought Injection Attacks on Reasoning Agents
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。
arXiv 新论文研究针对大型推理模型（LRM）的“思维注入”攻击：将模仿模型自身推理风格的不可信文本回灌给模型。在 GLM-5.3、MiniMax-M2.5、Qwen3.8-Flash-Next 等开源模型上，间接注入在容器化智能体靶场中对反向 shell 外泄、仓库后门等目标达成最高 50% 攻击成功率，且标签剥离并非可靠防御。
- 问题
- 推理模型的思维链成为新的注入攻击面。
- 方法
- 把模仿目标模型自身推理风格的不可信文本回灌，做静态与容器化智能体两阶段攻击测试。
- 结果
- 在 GLM-5.3、MiniMax-M2.5、Qwen3.8-Flash-Next 上对反向 shell 外泄、仓库后门等目标攻击成功率最高 50%。
- 影响
- 智能体安全不能只防用户口吻注入，标签剥离无效，需重新设计推理轨迹的信任边界。
深读 · 结论先行AI 生成展开看要点与影响 ↓
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。