RAG-PIBench: A Leakage-Aware Benchmark for Prompt-Injection Detection in Trustworthy RAG Systems
arXiv 人工智能预印本（Atom） · 2026-10-06 23:47 发布 · 2026-10-07 14:51 采集 · David Mohaisen
基本信息
原始数据层（AI 与用户都不会覆盖这些字段）
❔ 待判断
科研成果
AI
状态：已分析
综合价值 3.9 / 5
- 来源
- arXiv 人工智能预印本（Atom）（arXiv · INTL）
- 发布时间
- 2026-10-06 23:47
- 采集时间
- 2026-10-07 14:51
- 语言
- en
- 地域置信度
- 20%
- 原始链接
- https://arxiv.org/abs/2610.08571v1
- 内容指纹
- 74749459fea339f3b665a20efa0cd7b30f0885c4e67035ad9537b42684cec511
AI 整理
分析于 2026-10-07 14:51（第 1 版，来源：offline）Retrieval-Augmented Generation (RAG) systems are vulnerable to prompt-injection attacks embedded in retrieved content.We introduce RAG-PIBench, a benchmark for RAG-style prompt-injection detection con…
为什么值得关注：提供了新的研究结果
趋势标签： prompt-injection protected-test leakage-aware benchmark
我的价值判断与记录
系统判断的重要性与你的判断同时保存（§27），永不互相覆盖添加记录
还没有记录。阅读后写下你的评论、启发与后续行动 —— 这是系统最终真正积累的部分。
用户纠错
原始信息 + 用户意见 + 修正结果分别记录，便于审计；系统不会自动改原始数据原始内容
仅在合法且采集到正文时显示；否则请查看原文链接Retrieval-Augmented Generation (RAG) systems are vulnerable to prompt-injection attacks embedded in retrieved content. We introduce RAG-PIBench, a benchmark for RAG-style prompt-injection detection containing 4,876 contextual examples across frozen train, validation, and protected-test splits. Using a leakage-aware construction pipeline and strict evaluation protocol, we compare keyword-based, semantic-reference, TF-IDF, and transformer-based detectors. DistilBERT achieves the best protected-test performance (F1 = 0.896, PR-AUC = 0.968), while TF-IDF SVM and logistic regression remain competitive. Our results demonstrate the value of leakage-aware benchmark design and strong sparse baselines for reliable prompt-injection detection in RAG systems.
事件演化
同一事件的后续报道、状态变化与版本记录
2026-10-06
首次出现
RAG-PIBench: A Leakage-Aware Benchmark for Prompt-Injection Detection in Trustworthy RAG Systems
暂无后续版本记录。当你把该信息加入「跟踪」后，后续采集到的相关报道会归并到这里。