待验证50% 置信事实精确时间
来自ETH Zurich、Google DeepMind等机构的研究证明GPT-4、Claude等顶级模型在对抗性提示面前存在显著脆弱性，成功率有时超过50%
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/11
首次发现
有效期至：2026/10/9
来源
Prismata解析：如何防御Web智能体跨站提示注入攻击
hackernewshackernews2026/7/10
相关事实
待验证2023年多项学术研究证明GPT-4、Claude等主流大模型均对提示注入攻击存在不同程度的脆弱性81% 相似待验证研究表明GPT-4、Claude等顶级模型在精心构造的对抗性攻击下成功率有时超过50%81% 相似待验证该论文通过在提示词末尾附加自动生成的对抗性字符串，成功让GPT-4、Claude等多个顶级模型产生有害输出，且该攻击可跨模型迁移70% 相似已验证GPT-4、Claude 3.5、DeepSeek等模型在HumanEval编程基准测试上的通过率已超过80%69% 相似待验证不同大模型（GPT-4、Claude、Llama等）对Prompt的响应特性有所不同，实践中需要针对具体模型进行调优69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/488130API
curl https://kongchang.com/api/v1/knowledge/claims/488130MCP
get_claim(id=488130)