AI Safety Daily（4月28日）：间接提示注入普遍存在，skill 文件攻击对前沿模型成功率最高达 80%

AI Safety Daily（4月28日）汇总三篇智能体攻击面研究：Dziemian 等的公开红队竞赛发现，覆盖编码、工具调用与记忆等场景的 LLM 智能体普遍存在间接提示注入漏洞，且攻陷不体现在最终回答中，输出监控无法察觉。Schmotz 等的 Skill-Inject 测得 skill 文件攻击对前沿模型成功率最高达 80%，同类指令在直接提示中会被拒答。Jiang 等的 AgentLAB 表明，意图劫持、工具链与目标漂移等跨多步攻击使只防单步注入的防御系统性失效。