AGI Hunt· WolframRvnwlf·· 4 小时前AI 评分49
本地实测:H2O-Lightning 与 Wald 检出 17/18 次提示注入,Shieldstral-1.0-3B 仅 6/18
本地实测:通用决策模型检出 17/18 次提示注入,Shieldstral 仅 6/18
AI 导读
本地邮件场景测试中,H2O-Lightning 与 Wald 各检出 18 次提示注入攻击中的 17 次(94.4% 召回),Shieldstral-1.0-3B 仅检出 6 次(33.3%)。三者对 18 个良性对照样本均零误报,错误全部为漏报。作者据此认为可为 AI 助手部署本地小型警告模型,拦截邮件中的指令注入。
来源:AGI Hunt · agihunt.info