arXiv Artificial Intelligence· Parth Illendula, Garik Livingston, Zain Shamsi, Ravi Srinivasan, Alex Liu·2026-11-09 13:00· 13 小时前AI 评分58

研究评估推理智能体的思维注入攻击：模仿模型自身推理风格成功率最高达 50%

I Think, Therefore I Attack: Evaluating Thought Injection Attacks on Reasoning Agents

AI 导读

研究评估了针对 GLM-5.3、MiniMax-M2.5、Qwen3.8-Flash-Next 等开源权重推理模型的思维注入攻击，即把类似模型自身推理过程的不可信文本回灌给模型。

推荐理由模型分析

研究显示，模仿目标模型自身推理风格的注入提示在容器化靶场中对反向 shell 外传等操作目标达到最高 50% 成功率，而普通用户口吻的注入从未成功。