待验证50% 置信事实精确时间

在该研究的审计中，76-80%的失败攻击属于代理“忽略”了注入指令，仅有17-18%是明确“拒绝”执行。

1

来源数

50%

置信度

长期有效

时效性

2026/10/19

首次发现

来源

被忽略，而非被拒绝：小工具代理低注入成功率背后的真相

rss2026/10/16

涉及实体

间接提示注入concept

相关事实

待验证在实验中，零样本生成任务解决率为17%，通用自我纠错为27%，仅错误反馈为23%，诊断性反例反馈（A-CEGIS）达到90%69% 相似待验证根据SWE-RPG基准论文，46.7%的代理失败发生在规划和需求分析阶段68% 相似待验证几乎所有主流大模型都会在Skepticism Audit的第二份报告上判断失误，区分真实威胁与误报是当前模型的普遍弱点67% 相似待验证研究表明攻击者只需修改训练数据中低至0.01%的比例，就可能在模型中植入标准评估中不可检测的后门行为67% 相似待验证在79个配对中，累计逃避率在详细反馈条件下达到40.5%，在通用拒绝条件下为20.3%67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1065976

API

curl https://kongchang.com/api/v1/knowledge/claims/1065976

MCP

get_claim(id=1065976)