研究者可近乎完美逆向还原大模型提示词

逆向提示技术突破

印度理工学院孟买分校（IIT Bombay）与Adobe研究院的研究人员合作构建了一种逆向语言模型，能够从大型语言模型（LLM）生成的输出文本中，以接近完美的准确率重构其原始输入提示（prompt）。

不依赖模型内部参数

该方法命名为“前序词预测”（Previous-Token Prediction），其核心创新在于不需访问目标LLM的权重参数或架构细节，亦无需对特定模型进行微调。实验表明，该技术在多个主流闭源与开源大模型（如GPT-4、Llama系列等）的输出上均保持高还原度。

企业提示泄露风险凸显

由于许多企业将敏感指令、角色设定、业务逻辑等嵌入系统级提示中以保障服务一致性与安全性，此项技术意味着仅通过公开获取的模型输出，攻击者就可能反推出关键提示内容，从而暴露专有工作流或绕过防护设计。