標籤 LLM 後門攻擊

賓漢頓大學團隊在 IROS 2026 發表攻防兩篇論文：MuTRAP 證明機器人任務規劃的後門可以埋在幾十萬參數的軟提示層，七個開放模型的 97.3% 到 100% 成功率量的是模型寫出的計畫文字；防禦端 PROTEA 則證明執行前安全審查換一個評審模型結果就翻盤，三個基線召回率最高的模型精確率反降。