论文审计33,000条工具调用agent轨迹发现：低注入攻击成功率并不等于防御成功。基准判为“攻击失败”的轨迹中，76%至80%只是agent忽略了注入内容，真正安全拒绝仅约18%。仅改system prompt，同一权重ASR可在0.2%与43%间摆动；部分agent识别出注入仍照做。ASR把忽略、拒绝、识别后失守混为一谈，系统性高估防御能力。
综述探讨了提升大型语言模型多步推理能力的策略，包括串联微调、思维链、Faithful CoT框架和分步证明生成，这些方法能改善多步逻辑推导与科学问答性能，增强推理可靠性与可解释性。小模型常因难以启动推理而失败，引入大模型指导可显著改善。编码推理可能生成人类无法理解的文本，需进行防御评估。
完成下面两步后，将自动完成登录并继续当前操作。
