HoS：用注意力门控防御提示注入

2026年10月28日，arXiv 的 cs.AI 与 cs.LG 分类下出现一篇论文，提出名为 HoS 的提示注入防御方法。据论文描述，HoS 借助一组小型、可学习的逐头注意力门控，在注意力层面把模型接收到的“指令”与“数据”分离开，以避免数据中夹带的指令被当作任务执行。该方法在 Llama-3.3-70B-Instruct 和 GPT-OSS-20B 两个模型上完成了评测。报道没有给出攻击成功率、误拒率等量化结果，也没有说明门控的训练数据来源和额外推理开销。目前该工作仍是预印本，尚未见到同行评审或第三方复现的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。