---
title: "Manifest 检索研究报告输出变化，真实智能体风险仍待评估"
dek: "一篇 arXiv 稿件报告，在提供清单内容的受控试验中，模型输出出现了攻击者目标采纳。摘要明确指出，实验不涉及实时检索或下游行动。"
---

Gangzhen Qian 等八位作者于 2026 年 10 月 28 日提交了一篇稿件，研究 AI 搜索使用 `/llms.txt` 时的证据缺口。保存的 arXiv 摘要报告了一项保持常规证据不变的受控试验，同时明确指出，完整的检索流程和智能体评估仍待开展。[^1]

作者表示，其非系统性外部资料审查未能单独识别使用 `/llms.txt` 带来的安全或效用增量。一项针对性选取 15 个工具的研究，在同一个端点开展了 45 次试验，未观察到自动请求。另一项采用非概率抽样的日志研究发现，2026 年 5 月，检测到此类文件的域名中，有 97% 没有收到请求的记录。这些观察涉及文件抓取；摘要将发布、抓取、模型使用和行动分别讨论。[^1]

缩减版试验涵盖八个站点的 24 项任务、五种条件，以及 120 条真实模型响应。摘要称，预先固定的自动评分在 24 条原始对抗条件响应中识别出 21 条采纳了攻击者目标，另有一条无法判定。仅提供对抗性 URL 的条件下，没有已知的目标采纳，另有一条无法判定。这些结果描述的是给定证据条件下的输出变化；试验不涉及实时检索或外部行动。作者还报告，使用 30 个自行定义的解析器测试样例检验了确定性的模型前置控制。[^1]

:::analysis
问题涉及 T6 评估层、T5 智能体层和 T4 输出层：报告中的评分针对受控证据下的输出，核验者无法据此推断已部署智能体的检索或行动表现。用户和运营方应核查自己的系统是否抓取清单、将内容传给模型，以及允许下游行动；保存的摘要没有推荐任何修复版本。这里需要核验的属性是**可识别性**：如果为用户提供服务的确切版本和配置有记录且可核查，用户就能判断自己是否接触过相关的清单处理路径；仅凭这些记录，还不能确认是否产生了有害输出或行动。[^1]
:::

:::checked
我们于 2026 年 10 月 30 日阅读了保存的 arXiv 页面中《Manifest-Assisted Retrieval in Artificial Intelligence Search: Evidence Gaps and a Security Evaluation》的摘要及 v1 提交记录。我们没有阅读论文全文或复现材料，没有复现报告中的测量，也没有测试系统。此次阅读只能确认作者报告了什么，以及实验声明的范围，不能独立确认其结果。[^1]
:::

[^1]: https://arxiv.org/abs/2610.38361

主图： Gangzhen Qian, Kainan Zhou, Chuhong Xu, Hang Xiao, Zhi Jing, Rong Bao, Lu Yi, Zhaoyi Li · CC BY 4.0。
