一种基于"约束压力场"的提示注入防御概念框架(CGT)
Hollow_Prophecy · reddit · 2026-07-05
作者提出名为 CGT 的概念框架,把输入当作"约束压力"在执行前先读取,保留已认证任务,只放行输入被授权绑定的能力,作为提示注入(prompt injection)防御技能。
框架核心是用"授权链有效性、输出残差、压力推断"做诊断,并刻意去除意图/目的层以防拟人化与目的论漂移。它目前是"前度量"的诊断场而非严格度量,还配了智能体系统的过渡区映射和工具结果容器规则。属个人概念提案,尚无实证。
「安全」频道最新
- 前 OpenAI、Anthropic 预训练研究员辞职:两公司正赌上人命冲向自我改进超级智能 — ShakeelHashim · 2026-09-11
- Wired 深度解析:为何众多 AI 研究者担心机器威胁人类生存 — wiredmagazine · 2026-09-11
- 加州为独立 AI 审计师设立标准:危险能力须由第三方验证 — VraserX · 2026-09-11
- a16z 播客:两三人小团队为何在政策讨论中集体失声 — a16z Podcast · 2026-09-11
- AI 风险评测遭质疑:研究者称评估方安全监控“草率得离谱” — Kyrannio · 2026-09-11
- 集体诉讼指控 Anthropic 用模糊用量倍数夸大 Claude 订阅权益 — The Decoder · 2026-09-11