IBM 发布 LLMON 预览模型:让指令与数据在上下文中分开

IBM Granite 团队发布两款基于 Granite 4.1 的 LLMON 实验预览模型及工具包,以专用标记区分指令、数据和输出要求。官方测试针对静态间接提示注入,不代表多轮攻击防护;团队明确表示预览版用于探索评估,尚不面向生产。

结构标记进入模型训练

IBM Granite 团队 11 月 12 日发布 Granite 4.1 的 3B、8B 两款 LLMON 实验预览模型,同时开放工具包。LLMON 用保留的特殊 token 标明结构边界,再通过块 ID 把指令绑定到要处理的数据和输出要求。它是模型训练与输入格式的配合,不能只给普通模型加几个标签就获得同样能力。

官方示例仍使用消息列表和聊天模板,但把指令、数据、要求分别命名,由执行块指定哪些内容需要参与任务。检索文档里的恶意命令应作为材料读取,而非获得指令权限,针对的是提示词注入中的数据与命令混淆。

预览版还不适合直接上线

IBM 在 OPI 等基准上报告了抵御静态间接注入的改善,也明确说明多轮自适应攻击仍在研究。团队强调,这种边界是训练学来的行为,不是强制安全保证,并将模型定位为探索评估版本,不面向生产。

对已有检索或工具调用流程的团队,更有用的验证是把自己的文档和工具返回值分别装入数据块,测试恶意指令能否越界;模型之外仍须保留权限检查和输出校验。

via: IBM Granite:LLMON 发布说明、LLMON 工具包、3B 模型卡