Prompt 注入检测器榜单失灵：最佳工具在真实 Agent 场景仅拦下 2% 攻击

arXiv 论文 2610.03448 系统评测了 15 款 prompt 注入检测器和 3 个基准，发现基准与真实场景严重失配。在 BIPIA 上排名最佳的检测器迁移到模拟真实 Agent 环境的 AgentDojo 基准、且误报率控制在 1% 左右时，对注入攻击的检出率仅约 2%。研究指出，现有榜单难以反映检测器在真实智能体场景中的防御能力。