NDSS2026论文系统审视了2023-2024年顶级会议中72篇LLM安全研究论文,发现每篇都存在至少一个方法论陷阱,仅15.7%被作者讨论。论文定义了数据投毒、标签不准确、数据泄漏、模型崩溃、虚假相关、上下文截断、提示敏感性、代理谬误和模型歧义九个陷阱。案例研究显示模型歧义导致结果差异巨大,数据泄漏可虚高F1分数,近半数漏洞函数在512token窗口下被截断,合成数据训练导致模型逐代退化。论文建议提高透明性与可复现性、确保数据质量、匹配模型与任务。
网络安全文章













![[EDU]从0到1的的接管"](/images/random/titlepic/13.jpg)

