关于 AgentDojo 的报道

传统安全监控假设提示词注入的成败在读取瞬间即已决定，但研究表明引入推理过程的 Agent 会在后续步骤中改变结果方差。这说明大语言模型的安全防御边界正在从静态的输入过滤向动态的推理过程监控延伸。