English(EN) When File Ingestion Misleads Language Models: Measuring and Mitigating Divergences in Office Documents

研究揭示LLM因Office文档解析而产生误导

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-05 05:00

一篇新的研究论文强调了大型语言模型（LLM）处理Office文档时存在的一个重大安全漏洞。研究表明，LLM应用程序使用的提取器经常误解或遗漏Office Open XML (OOXML) 文件中的内容，导致人类所见与AI所处理的内容之间存在差异。研究人员演示了五种攻击，通过利用这些提取差异而无需注入恶意指令，成功地误导了ChatGPT、Claude、Gemini和Microsoft 365 Copilot等主要的LLM助手以及编码代理。为解决此问题，提出了一种名为Prism的防御机制，旨在将数据馈送给模型之前，根据OOXML规范重建人类可读的视图。 AI

影响突出了LLM文档摄入中的一个关键安全缺陷，可能影响企业采用并需要新的防御机制。

排序理由学术论文，详细介绍了LLM文档处理中的一个安全漏洞。[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: 26 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了LLM文档处理中的一个安全漏洞。[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.AI TIER_1 English(EN) · Penghui Li · 2026-11-05 05:00

文件注入误导语言模型：衡量和缓解Office文档中的偏差

arXiv:2611.05806v1 Announce Type: cross Abstract: Office documents are now routinely uploaded to large language models (LLMs) for processing. However, an LLM does not always see what a human sees, because it typically reads the text that an extractor produces from the document's …

本文如何被排名

报道来源 [1]

文件注入误导语言模型：衡量和缓解Office文档中的偏差

相关实体

相关话题