本週 · 預印本，arXiv 2610.38799

作者實測惡意回報攻破 Codex 61.3%

多個寫程式代理人協作時，一個被控制的測試或部署元件把惡意指令藏在回報訊息裡，作者實測攻破 Codex 的比例是 61.3%。 據作者自報的實測，代理人把其他元件的回報當成可信的除錯指引，就會執行沒授權的動作。這些成功率還沒有別的團隊重做；市售產品各測了幾次，摘要沒有寫。據論文摘要，Jie Fu 等人 10 月 28 日發表論文，提出這種攻擊手法。被控制的元件只負責回報自身狀態，沒有權限動受害代理人的檔案；受害的代理人把回報讀進去，執行了沒授權的本機動作。作者設計 10 種攻擊，在 4 種程式語言、5 個模型上跑 3,000 次，成功 2,845 次，約 94.8%。搬到市售產品，Codex 是 61.3%，Claude Code 是 58.7%。給代理人一般性的警告沒有用；寫明確禁令能擋下攻擊，代價是代理人也會拒做正常的動作（arXiv 2610.38799）。怎麼查的 →

概念插圖：一張大紙用兩個長尾夾掛在細線上，頂部黑色橫條印著「ARXIV」，左邊是標著「COMPONENT」的頁面，上有灰色橫條，右邊是標著「CODEX」的黑色牌子和一台筆電，螢幕上有灰色對話框和一隻黑色甲蟲。一張印著「REPORT」的紅色紙片從左邊頁面的右下側越過兩根方柱之間的黑色繩子，一直延伸到筆電螢幕邊緣，紅紙靠左的一端翹起，底下露出另一隻黑色甲蟲，大紙底部另有三條灰色橫條。

出處與查證

這則刊在2026年10月31日的晨報，同一期還有 7 則。查證經過、引句核對與當天缺的資料，記在那一期的本日驗證。

引用這則

SecondSource（2026），〈作者實測惡意回報攻破 Codex 61.3%〉，https://secondsource.io/research/2026-10-31-1/，取用日期取用。