BBW 女子BBW 爱情故事 - 甜蜜虐恋的精彩体验，出走大厂的95后CEO们，已在AI赛道融资数亿看似无害的提问，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刘楚昕是湖北荆州人，1991年出生，本科和研究生毕业于华中科技大学哲学系，博士毕业于武汉大学哲学学院，去年进入湖北省社会科学院工作，现为湖北省社会科学院哲学研究所助理研究员。
《BBW女子BBW爱情故事：甜蜜虐恋交织》
在一个充满激情与甜蜜的女性BBW世界里，一个充满爱意和挑战的故事正在上演。主角是一位丰满诱人的BBW女人，她名为艾米莉亚，拥有独特的魅力与独立的性格。她的体型庞大而迷人，足以令所有男性为之倾倒。在一次偶然的机会下，艾米莉亚邂逅了一位男性的BBW恋人——约瑟夫，他的名字如同一首温柔的诗篇，深深吸引着艾米莉亚的心。
艾米莉亚和约瑟夫的爱情故事始于一次浪漫的约会。艾米莉亚以丰满的身材和诱人的嗓音赢得了约瑟夫的热烈喜爱。他们的恋情并非一帆风顺，因为艾米莉亚的内心深处藏着许多对传统的偏见和对男性身份的不安。她担心自己的外表会受到他人的歧视，更担忧自己无法融入到他的生活圈中。
艾米莉亚并不屈服于这些恐惧。她勇敢地向约瑟夫坦诚了自己的想法，并试图打破自我设限。通过交流和理解，约瑟夫逐渐了解到艾米莉亚的内心世界和她对美好生活的向往。他对艾米莉亚的欣赏和尊重使他开始接纳并包容她身上的多元特质，包括她的体型、性别、性别认同等。
在这个过程中，艾米莉亚也面临着来自家庭和社会的压力。由于传统观念的束缚，她的家人反对她的选择，认为她是异类或不正常的人。艾米莉亚并未因此放弃，她用自己的勇气和智慧证明了她的价值，并成功说服了家人接受她的恋情。在此过程中，约瑟夫不仅成为艾米莉亚的伴侣，也成为了她心灵导师和支持者。
最终，艾米莉亚和约瑟夫的恋情成功走向了甜蜜的结局。他们一起经历了风雨，相互扶持，共同经历了爱情中的酸甜苦辣。在这个过程中，艾米莉亚从一个传统的BBW女子转变为一位自信且充满活力的女性，而约瑟夫则成为了她的伴侣和朋友，共同分享了生活的点点滴滴。
这个BBW女子BBW爱情故事，充满了甜蜜与虐恋交织的元素，展现了一个女性如何勇敢地打破常规，追求自己的真爱，并在过程中实现了自我成长的过程。这个故事告诉我们，无论外界环境如何变化，真正的幸福来自于内心的满足和对他人的接纳。这是一个关于爱、勇气、坚持与成长的故事，也是一个关于女性力量和美丽的故事。
文 | 第一新声，作者/琳玉
新旧大厂们，正在为AI行业批量造星。
张一鸣29岁创立字节、毛文超和瞿芳28岁创立小红书、马化腾27岁创立腾讯、丁磊26岁创立网易……中国商业史本质上是一部“年轻人接管世界”的历史。
如今，当互联网的“纪功碑”逐渐褪色，那些曾经站在浪潮之巅的70后、80后们，已将冒险者的标签换成守业者。而他们创造的大厂帝国，却正在成为新一轮AI浪潮中，年轻创业者们的“黄埔军校”。
IT桔子在2024年做过一次统计：AI创业者曾在非常优秀的大厂/名企工作过的，在已透露职业背景的AI创业者中占比达到90%。其中，培养中国AI创业者较多的25家名企，包括百度、阿里、腾讯、华为、网易、360等13家中国企业；还有12家外企和跨国公司。
而在出走大厂创业的群体中，95后是一股不可忽视的力量。
他们大多处于接近而立之年的人生黄金阶段，对新事物充满敏锐的洞察力。与前辈相比，这一代创业者成长于数字化与互联网飞速发展的时代，拥有更为前沿的技术视野和创新思维。
当一大批95后随着大厂的人才外溢浪潮涌入AI赛道，他们往往有更大的概率，凭借独特的创业视角快速拿到结果。
01 出走大厂，95后的“野蛮生长”逻辑
“我博士毕业后，就已经有大厂发来了薪资很高的offer，但当时更倾向于创业，做一些不同的事。”清程极智联合创始人师天麾曾说道。
师天麾所说的“不同的事”，是创立一家AI Infra（人工智能基础设施）创新企业。
2023年年底，师天麾与字节系创业者汤雄超联合创立了清程极智，这是一家员工平均年龄不足30岁的清华系创业企业，团队中30岁以上的成员屈指可数，最年轻的成员甚至是一名已经保送清华的高三实习生。
师天麾本人是一名95后，在谈及为何会组建一支如此年轻的团队时，他表示：一方面是行业比较热门，团队技术背景有足够的吸引力，所以一些同学刚出校门就选择加入。另一方面，AI Infra研究相关职位相比算法更加偏向底层，要找到合适人也并不容易，所以，团队也愿意招一些有想法、有热情、基础扎实、学习能力强的年轻人进行培养，有些甚至是在校生。
2024-2025年期间，大模型技术快速迭代，模型能力快速进化，大模型应用的爆发和私有化部署需求的增长，促使AI Infra行业进入高速发展阶段。
在行业热度的催化下，成立不到半年，清程极智就拿到了数千万元的天使轮融资，由智谱AI、中关村科学城等机构参投。随后，团队又在一年内再次获得考拉基金、中科创星、北京人工智能产业投资基金的投资。
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