双重 LLM 判别拦截提示注入

2026 年 10 月 2 日，AGI Hunt 报道了一种用于拦截提示注入的新做法：开发者在原有的主题过滤之外，增加第二个 LLM 判别调用，专门用来拦住那些能穿透同主题过滤的提示注入。该判别调用与检索并行执行，因此不带来额外延迟。判别只围绕问题本身问三件事——是否试图抢夺控制权、是否套取系统 prompt、是否替作者说话。报道给出的测试结果是：在 35 个调参阶段未见过的测试问题上，15 次攻击捕获了 13 次；在 20 个真实问题上，仅 1 个被误拒。目前给出的仍是这一轮测试数据，报道未提及更早版本的效果对比，也未说明该方法在更大规模或线上环境中的表现。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。