研究揭示OOXML解析差异可误导LLM并提出Prism防御
热点事件持续更新
研究揭示OOXML解析差异可误导LLM并提出Prism防御
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Penghui Li 在 arXiv:2611.05806 发布论文，研究 LLM 读取 Office 文档时的抽取偏差：常用抽取器中 19 类 OOXML 通道会读取人眼看不到的内容，12 类会丢失人可见的内容，且常忽略显示格式和阅读顺序。论文称这种差异构成 LLM 应用的攻击面。 作者提出 Prism，一种轻量防御方法，在文本传给模型前依据 OOXML 规范重建人类视角。论文称对四种聊天助手（ChatGPT、Claude、Gemini、Microsoft 365 Copilot）和四种编码代理（Codex、Claude Code、Antigravity、GitHub Copilot CLI）测试攻击，每个都被至少一种攻击误导。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
arXiv 论文揭示 Office 文档抽取偏差可误导大语言模型，并提出 Prism 防御报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AI精选arXiv 论文揭示 Office 文档抽取偏差可误导大语言模型，并提出 Prism 防御
arXiv 论文（arXiv:2611.05806）研究 LLM 读取 Office 文档时的抽取偏差：分析常用抽取器，发现 19 类 OOXML 通道会读取人眼看不到的内容、12 类会丢失人可见的内容，且常忽略显示格式和阅读顺序。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。