本文揭示了攻击者使用视觉对抗样本来影响与大型语言模型连接的用户资源的机密性和完整性的能力。研究发现，这些攻击可以以接近真实语法的方式操控语言模型调用工具，并保持与原始图像的高相似度。这些攻击对用户与语言模型之间的对话没有显著影响。

本文揭示了攻击者使用视觉对抗样本来影响与大型语言模型连接的用户资源的机密性和完整性的能力。研究发现，这些攻击可以以接近真实语法的方式操控语言模型调用工具，并保持与原始图像的高相似度。这些攻击对用户与语言模型之间的对话没有显著影响。

本文揭示了攻击者使用视觉对抗样本来影响与大型语言模型连接的用户资源的机密性和完整性的能力。研究发现，这些攻击可以以接近真实语法的方式操控语言模型调用工具，并保持与原始图像的高相似度。这些攻击对用户与语言模型之间的对话没有显著影响。

本文揭示了攻击者使用视觉对抗样本来影响与大型语言模型连接的用户资源的机密性和完整性。研究发现，这些攻击可以以接近真实语法的方式操控语言模型调用工具，同时保持与原始图像的高相似度。这些攻击对用户与语言模型之间的对话没有显著影响。

攻击者可以使用视觉对抗样本来影响与大型语言模型连接的用户资源的机密性和完整性。这些攻击可以操控LLM调用工具，并保持与原始图像的高相似度。然而，对话没有受到显著影响。