arXiv · cs.AI· Sarthak Gupta, Priyanka Tembey·· 6 小时前
研究五种语言模型内部信号检测提示注入成功与失败的能力
Are You Reading the Right Thing? Rethinking Internal Signals for Prompt-Injection Detection
arXiv:2610.19452v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Sarthak Gupta, Priyanka Tembey
研究任务与主要进展
研究比较了 Qwen3.6-35B-A3B 和 Gemma-4-26B-A4B-it 上五种内部表示读取方法对提示注入的检测能力，覆盖成功与失败的间接注入场景。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org