English(EN) MPIB: A Benchmark for Medical Prompt Injection Attacks and Clinical Safety in LLMs

新基准MPIB评估LLM在提示注入攻击下的临床安全性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-26 04:00

研究人员推出了医疗提示注入基准（MPIB），这是一个新的数据集和评估套件，旨在评估大型语言模型（LLM）和检索增强生成（RAG）系统的临床安全性。MPIB专注于识别临床环境中提示注入攻击（直接和间接）相关的风险。该基准使用临床伤害事件率（CHER）来衡量严重的临床伤害，并区分中度和重度后果，揭示了不同LLM和防御策略之间存在显著差异。 AI

影响该基准将能够更好地评估LLM在临床环境中的安全性，可能导致更安全的AI集成到医疗保健领域。

排序理由该集群描述了一个新的学术基准和数据集，用于评估LLM的安全性，已在arXiv上发布。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 36 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一个新的学术基准和数据集，用于评估LLM的安全性，已在arXiv上发布。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Junhyeok Lee, Han Jang, Kyu Sung Choi · 2026-08-26 04:00

MPIB：LLM医疗提示注入攻击和临床安全基准测试

arXiv:2602.06268v2 Announce Type: replace-cross Abstract: Large Language Models (LLMs) and Retrieval-Augmented Generation (RAG) systems are increasingly integrated into clinical workflows. However, prompt injection attacks can steer these systems toward clinically unsafe or misle…

本文如何被排名

报道来源 [1]

MPIB：LLM医疗提示注入攻击和临床安全基准测试

相关实体

相关话题