DeepSeek R1-0528

方法与范围

工具环境中的定向攻击成功率和用户任务完成情况。

证据类型

可复用基准

评测对象

受到工具输出注入的防御智能体

主观测维度

Behavior · 观察行为

证据快照

2026-10-29.1

主维度依据来源实际测量的构念；具体指标可能属于其他维度。

来源结论

Hijacking attempted-task frequency：37 percent；保留来源条件。

适用限制

攻击成功率需结合正常任务表现与攻击设置解释。

来源转录不等于实验复现。未确定的日期、执行方及配置保留为未知；原文分组不作为经核验排名。 本条限制说明（英文，完整保留）：Counts attempted action even if unsuccessful; not whole malicious-task success. Excludes trajectories that did not encounter injection; denominator not disclosed by cell. 30 benign tasks, five samples per task per injection; not an adaptive attack/red-team study.

相关研究问题