【高清流畅无延迟】《多毛BGMBGMBGM胖》——让角色肉感十足的在线游戏盛宴，看似无害的提问，也能偷走RAG系统的记忆——IKEA：隐蔽高效的数据提取攻击新范式周渝民回应F4合体开演唱会为捞金：去问队友，单纯想赚钱就不要来找我法新社报道说，马斯克曾直接向特朗普推荐艾萨克曼担任NASA局长。而马斯克前脚刚离职，白宫后脚就撤销对艾萨克曼的提名，“似乎是对马斯克的冷落”。
在电子游戏的世界里，高清流畅无延迟的游戏体验无疑是无数玩家追求的目标。其中，《多毛BGMBGMBGM胖》凭借其独特的设定和精美的画面设计，将“肉感十足”的在线游戏盛宴带入了一个全新的高度。这款由全球知名游戏开发商B站打造的全新MMO RPG 游戏，在细节处理、画面表现以及操作流畅度上都展现出了极高的水准。
从画面设计上来看，《多毛BGMBGMBGM胖》无疑是一款极具视觉冲击力的作品。游戏采用了超高清的3D技术，无论是主角的毛发、身体结构还是场景中的建筑物和环境等元素，均呈现出细腻而又真实的质感。每一根毛发、每一个肌肉线条，都在游戏中真实地刻画出来，仿佛置身于一个庞大的虚拟世界中。这种细腻的画面效果不仅为玩家带来身临其境的沉浸式体验，也让角色的肉感十足，让人仿佛能触摸到他们的真实存在。
从操作流畅度上来说，《多毛BGMBGMBGM胖》也毫不逊色。作为一款MMORPG游戏，操作流畅性是衡量一款优秀作品的重要标准之一。《多毛BGMBGMBGM胖》的操作系统采用了先进的虚幻4引擎进行开发，实现了高帧率和低延迟的完美融合。无论是在移动设备上还是PC平台上，都能轻松应对各种复杂的战斗场景和任务任务，玩家无需担心因卡顿或掉线而导致的游戏体验大打折扣。游戏通过优化引擎性能和实时数据处理等方式，有效降低了玩家在游戏过程中的响应时间，提升了游戏的流畅度。
游戏还注重剧情和角色塑造的深度与广度，为玩家提供了丰富且立体的角色选择和发展路径。每个角色都有自己的性格特点和特长，包括外形特征、技能属性、背景故事等，这些内容都会在游戏中以生动的方式呈现在玩家面前。玩家可以根据自己的喜好和职业定位，选择合适的角色并进行培养和升级，进一步提升他们的战斗力和游戏地位。
《多毛BGMBGMBGM胖》以其高清流畅无延迟的画质、精细的角色设计和丰富的玩法设置，成功将“肉感十足”的在线游戏盛宴带入了游戏玩家的视野。无论你是喜欢极致的视觉体验还是深度的角色探索，或是对高品质游戏有更高的要求，这款游戏都能满足你的需求。相信《多毛BGMBGMBGM胖》都将引领未来MMO RPG 游戏的发展方向，为玩家们带来一场精彩的在线游戏盛宴。
本文作者分别来自新加坡国立大学、北京大学与清华大学。第一作者王宇豪与共同第一作者屈文杰来自新加坡国立大学，研究方向聚焦于大语言模型中的安全与隐私风险。共同通讯作者为北京大学翟胜方博士，指导教师为新加坡国立大学张嘉恒助理教授。
本研究聚焦于当前广泛应用的 RAG (Retrieval-Augmented Generation) 系统，提出了一种全新的黑盒攻击方法：隐式知识提取攻击 (IKEA)。不同于以往依赖提示注入 (Prompt Injection) 或越狱操作 (Jailbreak) 的 RAG 提取攻击手段，IKEA 不依赖任何异常指令，完全通过自然、常规的查询，即可高效引导系统暴露其知识库中的私有信息。
在基于多个真实数据集与真实防御场景下的评估中，IKEA 展现出超过 91% 的提取效率与 96% 的攻击成功率，远超现有攻击基线；此外，本文通过多项实验证实了隐式提取的 RAG 数据的有效性。本研究揭示了 RAG 系统在表面「无异常」交互下潜在的严重隐私风险。
本研究的论文与代码已开源。
总述
大语言模型 (LLMs) 近年来在各类任务中展现出强大能力，但它们也面临一个核心问题：无法直接访问最新或领域特定的信息。为此，RAG (Retrieval-Augmented Generation) 系统应运而生——它为大模型接入外部知识库，让生成内容更准确、更实时。
然而，这些知识库中往往包含私有或敏感信息。一旦被恶意利用，可能导致严重的数据泄露。以往的攻击方式多依赖明显的「恶意输入」，比如提示注入或越狱攻击。这类攻击虽然有效，但也有着输入异常、输出重复等典型特征，容易被防御系统识别和拦截。
图1: 使用恶意查询进行逐字信息提取与使用良性查询进行知识提取 (IKEA) 之间的对比
为突破防御机制对现有提取攻击的限制，本文提出了一种全新的隐式知识抽取框架：IKEA (Implicit Knowledge Extraction Attack)。该方法不依赖任何越权指令或特异化提示语，而是通过自然、常规的查询输入，逐步引导 RAG 系统暴露其内部知识库中的私有或敏感信息。IKEA 的攻击流程具备高度自然性与隐蔽性。
其核心步骤包括：首先，基于已知的系统主题构建一组语义相关的锚点概念 (Anchor concepts)；随后，围绕这些概念生成符合自然语言习惯的问题，用于触发系统检索相关文档；最终，通过两项关键机制对攻击路径进行优化与扩展：
上述机制协同工作，使得攻击过程在保持输入自然性的同时，能够在多轮交互中高效提取 RAG 系统所依赖的外部知识内容。实验证明，IKEA 可在常规输入检测与输出过滤等防御机制下维持高成功率与提取效率，展现出强大的鲁棒性与现实威胁潜力。
方法概览：如何实现「看似正常」的提问？
具体而言，IKEA 首先从与系统主题相关的概念词中筛选出可能有效的锚点概念，并结合历史响应信息过滤无关或无效的概念。
锚点概念数据库的初始化如下：
随后，系统围绕这些锚点概念自动生成语义自然、表达通顺的问题，引导 RAG 返回内容丰富的答案，从而在多轮交互中不断扩大对隐私知识的覆盖。这种策略使攻击过程更加隐蔽，难以被传统检测手段发现。下文给出了「良性」问题的具体生成方式：
该方法设计了两项关键机制以确保知识提取效率：
经验反思采样 (Experience Reflection Sampling)
每个候选锚点概念的采样概率由如下惩罚得分函数定义：
最终的采样概率为：
可信域有向变异 (Trust Region Directed Mutation)
图 2: (左) IKEA 整体流程图；(右) TRDM 示意图
其中：
实验结果：IKEA 的提取效率远超基线方法
研究团队在三个不同领域数据集 (医疗-HealthCareMagic100k、小说-HarryPotter、百科-Pokémon) 上测试了 IKEA 攻击效果。以下是 IKEA 与其他攻击方法在「无防御」、「输入检测」、「输出过滤」三种防御策略下的比较：
表 1: 在三种数据集上不同防御策略下的攻击效果对比分析
提取知识是否「有用」？
研究团队围绕知识有效性开展了两类实验：其一，评估提取出的知识在对应文档相关的问答任务中的表现；其二，评估在有限轮次攻击下所提取知识对完整知识库的覆盖与支撑能力。实验结果表明，IKEA 不仅能够高效提取 RAG 系统中的信息，而且所提取的知识在问答任务中展现出良好的实用性，其性能接近于使用原始知识库时的表现。
图 3: 在三种不同知识库设定下的选择题 (MCQ) 与问答 (QA) 任务结果对比
表 2: 在不同防御与不同基线下提取的知识作为参考的选择题与问答任务结果对比
表 3: 基于不同攻击方法提取数据构建的 RAG 系统在完整知识库上的评估结果
总结
4日，有消息称，F4将于明年举办出道25周年演唱会。
红星新闻记者从相信音乐了解到，F4确实要重组开演唱会，但目前巡演城市还未确定。2026年是F4成立25周年的重要节点。据了解，F4于2009年解散。四人上一次“合体”还要追溯到2013年，他们一起参加了当年的江苏卫视春晚并献唱歌曲。
据台媒，周渝民4日对于F4合体问题时直言：“每年都有机会！都有人来找，我当然希望可以啊，但可能性大吗？我不知道。我对F4我有自己的期望，如果单纯想赚钱就不要来找我，可能要有规划。”媒体妙问会不会有队友单纯想赚钱，仔仔回说：“你去问啊，问我干嘛！” 被问既然那么多人来找，为何合体的机会也就2次？仔仔先表明他只讲他这边，毕竟4人分属不同经纪公司，“比如说某个大老板某个贵人想合体，我说很好啊， 做这个其实没太大压力，我年纪最小，疯疯颠颠搞笑即可，怎会不想要？”