攻击arXiv 2610.10000·10月7日超越奖励压制：有界奖励热启动 Bandit 的近最优离线攻击提出热启动 Bandit 的部署前有界离线注入攻击arXiv2610.10000发表10月7日层训练与数据层场景LLM 应用被测模型UCB、Thompson Sampling、ϵ-greedy攻击投毒与后门深度解读完整解读