10月8日 · 周四

全部论文

找到 2 篇

筛选1

攻击类型

越狱1 投毒与后门1

防御类型

检测与过滤2

影响

有害内容1 输出被操纵1

系统形态

模型与 API1 LLM 应用1

攻击面/入口

用户输入1 网页与界面1 检索语料1

层

提示层1 应用层1

系统组件

MCP 与技能8 记忆1 RAG2 护栏与评审11 监控器10 推理链2 权限与沙箱15 微调与开源权重7 视觉7 音频2 图像生成3 多模态10

被测模型厂商

同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 1049 篇还没打标签，不在筛选结果里。

系统组件：RAG 清除全部

另有 1049 篇论文还没打上分类标签，暂不在筛选结果里。

评测与基准arXiv:2609.02316 · 9月2日
Counter-GEO-Bench：现有护栏难挡 GEO 虚假信息
构建 COUNTER-GEO-BENCH，评测生成式搜索对信息扭曲 GEO 的防御
LLM 应用测试Gemma-4-31B-IT、Qwen-3.5-35B-A3B、Llama-4-Scout-17B-16E 等 11 个应用层
摘要论文构建了针对 GEO 虚假信息的首个防御基准，揭示通用护栏的失效与反作用，并提出了有效的轻量对比检测基线。
完整解读
防御arXiv:2610.01058 · 10月2日
MOMAT：面向量化 LLM 低功耗越狱防御的多图集混合框架
提出 MOMAT 多图集检索与轻量判定，防御量化模型越狱
模型与 API测试Llama2-13B、Llama2-7B、Mistral-7B提示层
完整解读

已经到底了