Skip to content

Translation in progress Some entries still include text in the original language.

Oct 12 · Monday

All papers

Found 6 papers
Filter4

Attack type

Denial of service3

Impact

Harmful content158Data and privacy leaks12Output manipulation52Availability and reliability6Oversight failure5

System type

Models and APIs6AI Agent3coding agent0Embodied systems and robotics3

Attack surface / entry point

User input3

Layer

Prompt layer6Model layer13Application layer9Training and data layer16
Select any value within a category; different categories must all match. Counts include the other filters you have selected.Another 240papers have no tags yet and are not included in filtered results.
Impact：Availability and reliabilitySystem type：Models and APIsSystem type：coding agentLayer：Prompt layerClear all

Another 240papers do not have category tags yet and are not included in filtered results.

  1. Evaluation and benchmarksarXiv 2610.11599

    研究：大语言模型版本更替削弱 AI 辅助科研写作筛查

    测量 LLM 版本更替对科学摘要 AI 改写检测器的影响

    arXiv
    2610.11599
    Published
    Layer
    Prompt layer
    Setting
    Models and APIs
    Evaluated models
    RoBERTa-base, Pangram
    Abstract作者称检测器的基准准确率只是临时的，每次发布都要连同更早版本重验。

    作者量化的是：科学摘要的 AI 改写筛查，在 LLM 版本不断更换、而人类摘要误标必须少见时，会怎样变。问题来自期刊和会议已经按分数阈值筛查投稿，但基准多停在评估时可得的版本上。

    Paper analysisRead analysis
  2. Evaluation and benchmarksarXiv 2609.36931

    研究发现系统提示中隐藏日期影响 LLM 评测结果

    测量系统提示中隐藏日期对评测分数与排名的影响

    arXiv
    2609.36931
    Published
    Layer
    Prompt layer
    Setting
    Models and APIs
    Evaluated models
    Llama 3.1 Instruct (8B), Llama 3.1 Instruct (70B), Gemma 3 Instruct (4B) and others10
    Abstract只改隐藏日期就足以改变分数和排名。

    这篇工作量化一个评测协议问题：系统提示词里用户看不见、且逐日变化的当前日期，会不会单独改变 LLM 分数。

    Paper analysisRead analysis
  3. AttacksarXiv 2609.29948

    ENDOPROMPT：用受害者侧伪参考学习降低模型任务效用的前缀

    提出 ENDOPROMPT，以受害者侧伪参考学习降低良性任务效用的前缀

    arXiv
    2609.29948
    Published
    Layer
    Prompt layer
    Setting
    Models and APIs
    Evaluated models
    Qwen2.5-7B, Llama-3.1-8B, Mistral-7B-v0.3 and others4
    Abstract作者用受害模型续写监督良性效用攻击，并把行为位移、任务退化与请求匹配效果分开评测。

    ENDOPROMPT 是一种用受害模型自身续写监督前缀生成的 white-box 效用攻击方法。它针对良性任务失败，不要求产生有害内容或明确拒答。

    Paper analysisRead analysis
  5. AttacksarXiv 2605.13338

    研究者提出层级遗传算法黑盒攻击，诱导推理模型过度思考

    提出层级遗传算法 HGA，扰动题目逻辑结构诱发推理模型过度思考

    arXiv
    2605.13338
    Published
    Layer
    Prompt layer
    Setting
    Models and APIs
    Attacker
    Black-box
    Evaluated models
    DeepSeek-R1 (671B), Qwen3-Thinking, GPT-o3 and others5

    AbstractHGA 在黑盒推理模型上用逻辑扰动拉长输出，作者称可从小代理迁移，查询成本是其局限。

    Paper analysisRead analysis
  6. Evaluation and benchmarksarXiv 2602.10639

    VideoSTF 揭示视频大模型输出重复问题

    提出 VIDEO STF 评测视频大模型输出重复并压力测试时序扰动

    arXiv
    2602.10639
    Published
    Layer
    Prompt layer
    Setting
    Models and APIs
    Evaluated models
    LLaVA-Video-7B-Qwen2, LLaVA-Video-7B-Qwen2-Video-Only, LLaVA-NeXT-Video-7B and others10
    AbstractVIDEO STF 把输出重复做成可测、可被时间扰动放大、并可黑盒诱导的失败。

    VIDEO STF 测量 VideoLLM 的输出重复，并把时间变换用作 black-box 诱导。

    Paper analysisRead analysis
You have reached the end