热点事件持续更新
本地实测小模型提示注入检出率超专用安全分类器
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 16 日，AGI Hunt 报道了一项本地邮件场景的提示注入实测。结果显示，本地小型模型 H2O-Lightning 与 Wald 各检出 18 次提示注入攻击中的 17 次，召回率 94.4%；而专用安全分类器 Shieldstral-1.0-3B 仅检出 6 次，召回率 33.3%。三者对 18 个良性对照样本均未产生误报，全部错误均为漏报。报道称，作者据此认为可以为 AI 助手部署本地小型警告模型，用于拦截邮件中的指令注入攻击。截至目前，该测试的方法细节与可复现性尚未在报道中进一步说明。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- AGI Hunt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。
本事件热度走势
当前热度 9·可比范围峰值 10（10月16日 04:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。