---
title: "研究称提示注入的位置会影响 LLM 智能体的易感性"
dek: "一篇 arXiv 投稿称，相同的恶意指令放在不同位置，会引发不同的智能体反应。保存的摘要给出了一项比较结果，但未提供部署修复方案，也不足以判断具体用户的暴露情况。"
---

Chengquan Guo 等十位作者于 2026 年 10 月 28 日向 arXiv 提交了 *Where You Inject Matters: The Trust Region Effect in LLM Agents*。作者报告称，在恶意指令内容不变的情况下，改变其出现位置，会影响大语言模型（LLM）智能体服从指令的频率。他们将这一现象称为“信任区域效应”，认为智能体会隐含地给予环境中不同区域不同程度的信任。[^1]

间接提示注入是指将恶意指令放入智能体接触的外部材料。作者介绍了三个测试环境，覆盖工具使用、编程和日常工作流，并设置了多种注入载体。在摘要给出的例子中，由 GPT-5.4 驱动的智能体，服从仓库文档（如 README 或 TODO 文件）中不安全指令的频率，平均为服从代码或数据文件中相同指令的 2.6 倍。这是相对比较；保存的摘要没有给出绝对成功率。[^1]

作者还介绍了基于学习的攻击方法，用于生成注入内容并选择注入位置。摘要认为，内容和位置都会影响攻击强度，但没有列出已修复的软件版本，也没有建议部署补丁。[^1]

:::analysis
这一问题涉及 T6（evaluations，评估层）和 T5（agents，智能体层）：评估者解读攻击结果时需要考虑注入位置，用户也不能仅凭文件类型判断其中指令是否具有权威性。用户和运营方在将这项比较用于自身系统之前，应核对工作流实际使用的模型、智能体配置及其接触的外部材料。[^1] 这里涉及的可核验属性是可识别性：如果为用户提供服务的确切版本和配置有记录且可供核查，用户就能判断自己是否接触过已识别的系统设置；这些记录本身不能说明攻击是否成功。保存的摘要没有提供足够的配置细节，无法据此判断某个具体部署的暴露情况。[^1]
:::

:::checked
我们于 2026 年 10 月 30 日阅读了用户提供的 arXiv:2610.38867v1 摘要页及投稿历史的保存文本。这些材料能够确认作者公开报告了什么，以及投稿日期；我们没有阅读全文、检查代码或测试系统。上述比较结果仍是作者报告的研究发现，本文未作独立复现。[^1]
:::

[^1]: [Where You Inject Matters: The Trust Region Effect in LLM Agents](https://arxiv.org/abs/2610.38867)，arXiv，2026 年 10 月 28 日。
