arXiv 论文：TRACER 防御间接提示注入
原文标题：TRACER: Trace-Regularized Training Against Indirect Prompt Injection
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。
论文提出 TRACER，一种通道感知的对抗训练方法，结合答案锚定、证据门控奖励与 ATRC 对齐机制。在 GSM8K 与 Qwen2.5-3B-Instruct 上，将 RAG 框架下的攻击成功率从 65.5% 降至 6.1%，同时保持 78-82% 的干净准确率。
- 问题
- 检索内容、工具输出等间接提示注入可覆盖 LLM 行为，且不同通道攻击成功率差异大。
- 方法
- 通道感知对抗训练，采样呈现包装，结合答案锚定、证据门控奖励与 ATRC 对齐被攻击推理与干净证据。
- 结果
- GSM8K 与 Qwen2.5-3B-Instruct 上 RAG 攻击成功率从 65.5% 降至 6.1%，干净准确率保持 78-82%。
- 影响
- 防御必须按部署通道分别训练和评测，为 RAG/Agent 安全提供可落地的训练配方。
深读 · 结论先行AI 生成展开看要点与影响 ↓
TRACER 把 RAG 场景提示注入攻击成功率从 65.5% 压到 6.1%，干净准确率仍保 78-82%。
- •同一攻击放在检索上下文里成功率 53%，作为后续消息仅 18%，防御需按通道区分
- •方法为通道感知对抗训练，结合答案锚定、证据门控奖励与 ATRC 对齐
- •GSM8K + Qwen2.5-3B-Instruct 上 ASR 由 65.5% 降至 6.1%
- •RAG+工具联合训练在 3B 规模平均 ASR 13.9%，7B 单轮训练达 9.4%
为什么重要：提示注入防御长期缺乏按部署通道评估的标准，该结果说明只在单一通道上测出的鲁棒性会高估真实安全性。
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。