大型语言模型的“记忆”可提升用户体验，但也增加攻击风险。攻击者可能通过正常消息注入恶意内容，影响后续查询。防御措施包括清理输入、隔离记忆和运行时异常监控，以降低内存注入风险。
该文介绍了一种通过内存注入来解决多跳推理失败的方法，提高了多跳提示完成的质量。研究表明，注入关键注意力层的记忆可以显著提高下一个标记的概率，最高可达424%。
完成下面两步后，将自动完成登录并继续当前操作。
