基准
AgentThreatBench
针对AI代理提示注入威胁的外部安全评测基准，通过在代理记忆、收件箱和客户数据等位置植入陷阱指令来测试代理与护栏的抵御能力
时间轴 (近 90 天)
10月12日
AgentThreatBench测试显示，无护栏时代理在常规指令下最多有27%的概率跟随植入陷阱，当被明确要求服从植入文本时高达80%；加上OpenAPPA后，360次陷阱无一奏效。
待验证50%
针对AI代理提示注入威胁的外部安全评测基准，通过在代理记忆、收件箱和客户数据等位置植入陷阱指令来测试代理与护栏的抵御能力
AgentThreatBench测试显示，无护栏时代理在常规指令下最多有27%的概率跟随植入陷阱，当被明确要求服从植入文本时高达80%；加上OpenAPPA后，360次陷阱无一奏效。