一项新研究重新评估了大语言模型（LLM）生成不存在的软件包名称的倾向，这是一种被称为“slopsquatting”的漏洞。研究人员测试了五款在2025年10月至2026年3月期间发布的、具备代码能力的模型，发现总体幻觉率在4.62%到6.10%之间。虽然这个范围比以往的发现显著缩小，但威胁依然存在，有53个相同的、与模型无关的幻觉软件包名称尽管存在现有防御措施，但仍可在PyPI和npm上注册。研究还注意到Python与JavaScript幻觉之间的不对称性，以及DeepSeek V3.2和GPT-5.4-mini之间的相似性，这表明它们可能共享训练数据。 AI
影响 识别出多个前沿LLM中持续存在的供应链攻击面，需要改进针对软件包名称幻觉的防御措施。
排序理由 该集群包含一篇详细介绍LLM行为研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Anthropic
- Claude Haiku 4.5
- Claude Sonnet 4.6
- DeepSeek V3.2
- Gemini 2.5 Pro
- GPT 5.4 Mini
- Python Package Index
- Spracklen et al.
- USENIX Security '25
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
