待验证50% 置信事实精确时间
LLM无法从结构层面区分指令与数据，因为两者都以自然语言形式存在于同一上下文窗口中
1
来源数
50%
置信度
长期有效
时效性
2026/7/6
首次发现
来源
Anthropic提示注入争议解析：系统提示透明度之争
hackernewshackernews2026/7/5
相关事实
待验证提示注入攻击的根源在于LLM在推理时无法从语义层面可靠区分「系统指令」与「用户数据」，两者均以自然语言形式存在于同一上下文窗口中71% 相似待验证LLM是强大的语言理解与生成工具，但不应被默认当作确定性的计算与执行系统70% 相似待验证提示词注入的根本原因在于LLM架构将系统提示、用户输入和外部检索内容统一编码为同一个连续的token序列，模型无法在语义层面区分可信指令与不可信数据68% 相似待验证LLM+求解器混合架构中，LLM充当自然语言与形式化系统之间的翻译层，专业工具负责实际执行，从而规避数值幻觉风险65% 相似待验证纯文本的Llama模型无法直接处理发票图片，需要具备多模态能力的模型或OCR加大语言模型的组合架构64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/113858API
curl https://kongchang.com/api/v1/knowledge/claims/113858MCP
get_claim(id=113858)