arXiv·· 14 天前AI 评分31
可读先于可行动：间接提示词注入的因果追踪
Readable Before Actionable: Causal Tracing of Indirect Prompt Injection
AI 导读
研究通过反事实角色探针、逐组件激活修补与 AgentDojo 轨迹干预，区分了 LLM 智能体对指令与数据的识别和真正改变下一步动作的状态编辑。角色解码在内容与格式变化下依然稳定，在受控 Qwen 测试中先于沿独立估计的角色方向修补所产生的强工具选择效应。
来源：arXiv · arxiv.org