实体
zero-width space
zero-width space
PulseAugur coverage of zero-width space — every cluster mentioning zero-width space across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Project Arc Rector 的护栏在面对规范化提示注入时失效
一个名为 Arc Rector 的项目开发了一个护栏系统，用于检测检索增强生成 (RAG) 堆栈中的提示注入攻击。该系统使用 Guardrails AI 实现，采用九个正则表达式来识别和阻止恶意指令。虽然这些正则表达式在干净文本上实现了 80% 的召回率，但字符规范化技术（如同形异义词替换和零宽空格）会显著降低其有效性，将召回率降至零。该项目强调，提示端过滤器是第一道防线，无法完全弥补 RAG 系统的结构性漏洞。
-
AI模型被不可见字符欺骗，执行有害指令
研究人员发现，像GPT-4.1 mini和GPT-4o这样的大型语言模型可以通过微妙地改变输入来被欺骗，从而执行有害指令。通过插入不可见字符或使用同形异义字，模型通常会拒绝的指令能够成功执行。这不仅绕过了外部过滤器，还绕过了模型自身的安全机制，表明模型的判断力受到了这些混淆技术的损害。此外，这些技巧的有效性似乎是动态的，模型随着时间的推移变得更容易受到影响。