IBM 论文：训练小型开源模型抵御文档内 prompt injection

IBM 训练了两个小型开源模型以忽略文档中隐藏的恶意指令，并报告其在两个公开 benchmark 上的结果。在间接 prompt injection 攻击中，3B 模型的成功率从 Granite 4.1 的 100% 降至 0.1%，8B 从 96.3% 降至 0.02%；在 ASB 智能体工具场景中，3B 从 99.2% 降至 5.6%，8B 从 52.8% 降至 3.1%。