SecOPD: Mitigating Adaptive Prompt Injections by On-Policy Distillation

• 类型：arxiv
• 标识：2608.21500
• 链接：https://arxiv.org/abs/2608.21500
• 主分类：agent
• 形态：method
• 被引：5
• 被引来源：Semantic Scholar
• S2被引：5
• OpenAlex被引：0
• 影响力被引：1
• TLDR：This paper proposes Secure On-Policy Distillation (SecOPD) that provides token-level feedback to guide defensive fine-tuning, and generalizes to domains completely unseen in training.
• OpenAlex ID：W7204194015
• OpenAlex DOI：10.48550/arxiv.2608.21500
• DOI：10.48550/arxiv.2608.21500
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.21500
• OpenAlex更新：2026-09-01
• 待LLM分类：否
• 标题中文：SecOPD：通过 On-Policy Distillation 缓解自适应 Prompt 注入
• TLDR中文：本文提出 Secure On-Policy Distillation (SecOPD)，提供 token 级反馈以指导防御性微调，并能泛化到训练中完全未见过的领域。
• 来源文件：
• /inbox/tom/_candidates/2026-08-27-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]