arXiv 论文实测 11 个提示注入防护模型：法律合同误报率最高 92.39%
原文标题：Notwithstanding Anything to the Contrary, Ignore All Instructions: Measuring Prompt Injection Guards on Legal Contract Review Attacks
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。
研究团队在两个法律合同语料库上评测了 11 个开源提示注入防护模型，发现文档级误报率最高达 92.39%，其中两个防护模型在配对 AUC 上甚至低于随机水平，而一个仅含五条正则的基线未被任何防护模型帕累托支配。作者还发现「越权范围声明」这一威胁类别上所有防护模型得分均为零，并提出用中端模型初筛、前沿模型复核的级联 LLM 方案，成本仅为纯前沿模型的 1/6.5 且性能接近。
- 问题
- 提示注入防护模型在法律合同上的误报率未知。
- 方法
- 实测 11 个开源防护模型，并用中端模型初筛、前沿模型复核的级联 LLM 方案替代。
- 结果
- 文档级误报率最高 92.39%，两个防护模型配对 AUC 低于随机；级联方案成本为纯前沿模型的 1/6.5 且性能接近。
- 影响
- 现成防护模型在高价值文档场景不可直接上线，级联 LLM 是更划算的落地路径。
深读 · 结论先行AI 生成展开看要点与影响 ↓
11个提示注入防护模型在法律合同上误报率最高92.39%，五条正则基线未被帕累托支配
- •文档级误报率最高达92.39%，两个防护模型配对AUC低于随机水平
- •仅含五条正则的基线未被任何防护模型帕累托支配
- •「越权范围声明」威胁类别上所有防护模型得分均为零
- •级联方案（中端初筛+前沿复核）成本为纯前沿模型的1/6.5且性能接近
为什么重要：直接部署在文档分析系统前的防护模型在真实法律文本上可能大量误拦，选型需先测误报而非只看拦截率。
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。