AutoInject 論文閱讀分析：當 Prompt Injection 開始自己學會怎麼攻擊，防線就不能再假設對手只會手工拼字串
AutoInject 這篇論文最值得注意的，不是它又做出一個 prompt injection 範例，而是它把攻擊從人工 red teaming 推進成可被強化學習最佳化的自動化程序。當 adversarial suffix 能被系統化搜尋、又能跨模型與任務遷移時，很多仰賴固定模板與靜態字串規則的 agent 防線，就會開始撐不住。
2026 年 4 月 17 日
AgentDojo
2026
AgentSentry 論文閱讀分析：真正該防的不是某段外部內容看起來多可疑，而是它什麼時候開始接管了 Agent 下一步
AgentSentry 把多步驟 indirect prompt injection 重新定義成 temporal causal takeover 問題：重點不是某段工具輸出像不像惡意指令，而是從哪一個 tool-return boundary 開始，agent 的下一步已不再主要由 user goal 推動，而是被外部污染的 context 接管。它用 counterfactual replay 做診斷，再用 context purification 切掉控制訊號，目標不是停機，而是安全續跑。
2026 年 4 月 17 日