LDD标签伪装防御提示注入研究

2026年10月15日，arXiv Artificial Intelligence 刊出 Yanxi Li、Ruocheng Shan 的研究，提出 Label Disguise Defense（LDD）方法：在 LLM 情感分类任务中，将原本的正/负标签替换为 good/bad 或 cat/dog 等替代标签，以抵御提示注入攻击。研究以情感分类为案例，考察改变分类器输出标签能否在提示注入攻击下提升准确率。目前报道仅涉及该方法的设计思路与评估方向，未给出具体实验数据、适用模型范围或效果结论。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。