English(EN) PIDS-Bench: Evaluating Prompt-Injection Detectors Under Over-Defense, Obfuscation, and Distribution Shift

新基准 PIDS-Bench 揭示提示注入检测器的缺陷

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员推出了 PIDS-Bench，这是一个旨在更严格地评估提示注入检测器的新基准。与依赖聚合 F1 分数的前几种方法不同，PIDS-Bench 在多个维度上评估检测器，包括过度防御、混淆和分布偏移。这种方法表明，即使是 F1 分数很高的检测器，也可能错误分类相当一部分良性提示，特别是那些模仿注入结构或来自外部来源的提示。 AI

影响强调了为 AI 安全工具（尤其是在检测提示注入方面）需要更强大的评估方法。

排序理由该集群描述了一篇介绍用于评估 AI 安全模型基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇介绍用于评估 AI 安全模型基准的新学术论文。[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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yusuf Khalid Shire, Sang-Chul Kim · 2026-09-15 04:00

PIDS-Bench：在过度防御、混淆和分布偏移下评估提示注入检测器

arXiv:2609.15017v1 Announce Type: cross Abstract: Prompt-injection detectors are typically evaluated using aggregate F1 on in-distribution test data, which offers limited insight into behavior under distribution shift, particularly on the benign side of the decision boundary, whe…

本文如何被排名

报道来源 [1]

PIDS-Bench：在过度防御、混淆和分布偏移下评估提示注入检测器

相关实体

相关话题