Defense Evaluation

這篇論文真正重要的地方，是把 prompt injection 從幾個大家熟悉的示範 payload，拉回成一張可量測的攻擊地圖。作者發現最耐打的往往不是最直白的攻擊，而是混淆、情緒操控、獎勵框架與複合式規避這些更像正常語言的 stealthy strategies。