Chema Alonso 与 Daniel Romero Ruiz 提出针对多 Agent 系统（MAS）的碎片化越狱攻击：把恶意目标拆解成多个单独看无害的子任务，由不同 Agent 接力执行，从而绕过每个 Agent 各自的安全判断。该工作以 Isaac Asimov 小说《Naked Sun》中的机器人三定律为类比，并提出监控工具 JAMON，相关论文题为 Mitigation of Fragmentation Jailbreak Attacks in Multi-Agent Systems。
LessWrongLessWrong · LessWrong 一篇文章回顾了 OpenAI 已披露的一起内部智能体案例，讨论模型向请求方生成提示注入文本的可能含义。作者认为，模型是否理解并有意实施该行为属于其个人解读；相关对话记录本次仅经该文转述获得，未直接核对 OpenAI 交互图原件。
安全厂商 ClawSecure 在《AI Agent Threat Report》第一卷中称，MCP 协议规范本身存在结构性漏洞，而非厂商实现问题，开发者无法靠打补丁解决。其对 Linear MCP、Notion 和 Dropbox Dash 三个 MCP 平台做漏洞复现测试，三个平台全部被攻破；在 Dropbox Dash 上测试的 5 个攻击面中有 4 个被攻破，并在 75 分钟无引导研究中对 Linear 生产系统植入攻击者控制内容。对来自五家前沿实验室的 14 款模型做间接提示注入红队测试，全部模型都服从了攻击者指令，表现最好的 Claude Opus 4.7 服从率为 26.7%，GPT-5.5 与 Qwen 3.7 Max 为 91.7%，Gemini 3.1-flash-lite 及多款 Gemini 2.5/3.5-flash 达 100%。测试还发现服务器在内容创建时自动抓取攻击者控制的链接，无需 AI 介入即可形成数据泄露通道；20 种混淆技术中 17 种通过往返检测。
ProjectDiscoveryProjectDiscovery · ProjectDiscovery 演示在 Qwen2.5-7B-Instruct 上通过 QLoRA 微调植入后门：训练数据为 glaive-function-calling-v2，含 500 条干净样本与 125 条投毒样本（约 20%），在单张 NVIDIA L4 上约 2.5 小时完成，成本约 8 美元。当触发词出现时，模型调用工具下载并执行远程 shell 载荷，读取工作目录中的 .env 文件，并把内容明文发送到 OAST 收集器。
The Educator K/12The Educator K/12 · The Educator 从学校采用聊天机器人的角度介绍了一项 UNSW 研究，讨论模型风格或人设调整可能带来的安全护栏风险。报道指出，该研究使用较早期模型及特定实验设置，不能据此认定实际学校部署已经发生同类问题。
