arXiv · cs.AI· Tian Qin·· 4 天前精选AI 评分61
Step-Zero Attack：编码智能体在模型可见前的处理即遭攻击
Step-Zero Attack: Agent Safety Before Observability
来源与原文
arXiv · cs.AI
作者：Tian Qin
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.01953v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文提出 Step-Zero attack，指编码智能体在解析未知压缩包、网络响应或图像时，处理本身即可造成危害，早于任何内容进入模型上下文。跨 7 个 harness 与 6 个模型的测试显示 32/42 组合超出 4 MiB 磁盘预算，其中 26/42 在模型看到任何内容之前就超标，4 个模型在全部 84 轮中均超标。作者在处理原语层加入字节计数门控，使所有路由提取保持在预算内，同时智能体完成 25/28 任务，并建议厂商配合安全对齐训练。
推荐理由
论文把智能体在模型看到内容前的处理步骤定义为攻击面，并用门控机制给出可在处理原语层落地的缓解方案。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。