作者针对LiteLLM等网关提出利用共享冷却记录的跨租户干扰攻击，并设计租户隔离机制消除残留排除。
LLM网关共享部署冷却记录引入了跨租户干扰攻击面。
涵盖云租户隔离、LLM路由攻击、缓存DoS及网关容错。
设计来源检查阻断本地更新，并将429冷却按租户隔离。
租户隔离将恢复后受害者回退从54/60降至0/60。
作者指出未测部署ID发现成本及生产特性，部分恢复差异未解。
揭示网关共享冷却漏洞，提出来源检查与租户隔离防御。
作者利用去噪反馈动态引导扩散模型残差流，在 LLaDA-8B 的 BBQ Black 目标上将偏见差距提升 14.9 个百分点。
利用扩散模型多步去噪中暴露的中间概率，通过灰盒服务栈钩子动态注入人口统计学偏见。
现有激活引导多为自回归开环控制，本文将去噪轨迹作为反馈通道引入闭环控制。
离线提取残差均值差方向，在线通过 PI 控制器根据逐步预测的目标答案概率动态调节引导强度。
在 LLaDA-8B 上将 BBQ 偏见差距提升最高 37.2 个百分点，但在 LLaDA-MoE 上落后于固定强度基线。
作者指出超参数选取、多选题格式及线性假设等局限；实验覆盖 3 个开源扩散模型，未测试自由文本生成。
通过去噪中间概率反馈动态调节残差流转向，证明扩散语言模型在推理服务栈中存在闭环偏见注入脆弱性。
作者提出四种阶段转换攻击；gpt-oss-120b在AdvBench上FoR成功率为96.25%（Table 1）。
论文研究大推理模型显式安全护栏的脆弱性，探究阶段转换逻辑能否被绕过或操纵以产生有害输出。
相关工作涵盖推理安全护栏构建与针对性红队攻击，作者称本文建立了对齐推理各阶段的系统红队框架。
作者针对推理模型流水线提出EST、CO、FoR与RH四种攻击，分别实现跳过推理、无模板后缀引导、语义伪装与控制推理。
本地gpt-oss两款模型上，RH在五个基准的ASR均超90%；其余方法与API设置需分别看表。
后续方向包括模型内部来源感知对齐、推理链验证和安全锚定调整；评测范围与判官一致性仍需区分。
论文系统分析大推理模型阶段转换脆弱性，提出四种红队方法并在多种模型上取得高攻击成功率，呼吁强化基础对齐。
研究者提出参考嫁接技术，在11款微调密码锁模型上恢复了+94%至+101%的隐藏能力差距，在推理阶段匹配微调诱导效果。
解决模型在评测中故意隐瞒能力的问题，推翻激活导向失效结论并在推理阶段诱导能力。
梳理隐瞒能力基准、模型篡改攻击、概念编辑与主动学习，定位本文在激活层诱导的贡献。
提出参考嫁接与主动学习回路选择，利用阈值门控机制将对比坐标设定为诚实参考值。
在11款模型上实现+94%至+101%能力恢复，完成代码、强化学习、任务迁移与回路阻断实验。
静态锁假设在动态回路阻断下失效，真实场景诚实参考获取困难，任务评测主要集中在多选问答。
提出参考嫁接在推理阶段以低成本匹配微调诱导效果，揭示隐瞒表征重叠与阈值门控机制。
针对开源LLM智能体提出AGENTQ，结合分层低秩注入与部分PGD，在两家族六模型上量化ASR达0.76–1.00。
量化条件攻击移植到智能体会破坏工具调用输出，论文研究如何在保持良性效用的同时实现量化触发后门。
论文梳理了量化条件攻击、智能体后门攻击与基于LoRA的后门攻击三类研究，并以直接移植QCA作为主要基线。
AGENTQ结合浅中层LoRA后门注入与多码本量化等价类上的部分PGD修复，使模型仅在量化后触发恶意工具调用。
在六个模型与三类任务上，AGENTQ的全精度Base ASR均为0，量化后ASR达0.76–1.00且保持良性效用。
作者指出了码本覆盖、模型规模、缺乏防御方案等局限，后续可在感知Hessian的等价类与大模型扩展上探索。
论文研究了智能体量化条件后门风险，提出AGENTQ在保持效用的同时实现全精度隐蔽与量化后生效。
