研究揭示LLM长期记忆跨会话注入风险
热点事件持续更新
研究揭示LLM长期记忆跨会话注入风险
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
2026年10月22日，arXiv Artificial Intelligence 刊出 Pedro H. Barcha Correia 等作者的论文，提出针对 LLM 长期记忆功能的通用威胁模型。该研究称，记忆注入可跨会话传播，从提示词注入发展为持久化失陷，并带来高成本；作者称在 ChatGPT Instant 5.3、Claude Sonnet 4.6 和 Gemini 3 Flash 上，可组合达成全部 NIST 攻击目标。论文将这一漏洞描述为 LLM 即服务平台上的新兴风险，强调其现实严重性并呼吁采取对策。目前报道仅呈现论文的威胁模型与上述平台上的测试结论，未给出各平台的具体复现条件、版本差异或修复进展。
AI 根据报道生成 · 3 小时前更新
最新进展10月22日 12:00
研究：长期记忆与 LLM 结合带来高成本，从提示词注入到持久化失陷报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv Artificial Intelligence研究：长期记忆与 LLM 结合带来高成本，从提示词注入到持久化失陷
该论文提出针对 LLM 长期记忆功能的通用威胁模型，指出记忆注入可跨会话传播，并称在 ChatGPT Instant 5.3、Claude Sonnet 4.6 和 Gemini 3 Flash 上可组合达成全部 NIST 攻击目标。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 710月23日 03:00
- 近 24 小时变化
- –
02468
03:0004:0005:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。