语义覆盖：通过超出令牌和引导向量范围的注释来缓解提示注入问题

研究人员提出名为"Semantic Overlays"的新技术，旨在缓解大语言模型中的提示注入攻击。该技术利用预训练适配器在小模型残差流中应用非文本通道，为输入片段添加身份标注，使模型无法仅凭文本混淆片段来源。与传统的引导向量不同，该方法具有可训练、可自适应及选择性应用的特点，能够编码复杂语义重塑模型对特定片段的感知。实验结果显示，在五个提示注入基准测试中，SEP 分离率从 24.3% 提升至 99.0%，TensorTrust 攻击成功率降至 6.2%，AlpacaFarm 攻击成功率归零，且标记片段保持可读性（字符相似度超 95%）。