《人人看！鲁人鲁人：情感共鸣与真实生活的深度探索》，世联赛-吴梦洁18分冠全场一传低效 女排4胜比利时占上风看似无害的提问，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“广州市提供的托位达到了每千人口5.0个，但入托率仅约20%。实际上，很多家长自己带孩子很辛苦，但是又不敢把孩子送出去，成立联盟就是为了不断增强从业人员的专业能力，让托育服务更有质量，让家长更安心地将孩子托付到托育机构。”粤港澳大湾区产教融合技能人才培养托育联盟理事长胡艳介绍。
以《人人看！鲁人鲁人：情感共鸣与真实生活的深度探索》为题，我们深入探讨了一部备受瞩目的电视剧——《人人看！鲁人鲁人》，这部剧集以其独特的情感故事、生动的人物描绘和对现实生活的真实呈现，引发了一系列的深度思考和情感共鸣。
从情感共鸣的角度来看，《人人看！鲁人鲁人》无疑是一部充满激情与力量的电视剧。剧中，主人公们的情感纠葛和人物命运交织在一起，展现了人性的复杂性和多面性。主角鲁明是个有理想主义色彩的年轻人，他对生活有着独到的理解和见解，希望通过自己的努力改变社会，实现自我价值。他的追求和坚持深深地触动了观众的心弦，使他们产生强烈的共鸣。而鲁明的妻子苏翠则是一位乐观开朗的女性，她对生活的态度乐观向上，始终坚信生活的美好，给人以力量和启示。她的坚韧不拔和积极进取，也让人深受感动。这种情感共鸣，使得观众能够在看到剧情发展的感受到人物内心的痛苦、挣扎和希望，从而深深感动。
从真实性生活的角度而言，《人人看！鲁人鲁人》所展现的生活细节和人物关系，无疑是其最吸引人的部分。剧中，无论是城市的喧嚣与忙碌，还是农村的宁静与祥和，都清晰地展现出一个真实的中国社会。每个人物都在自己的世界中过着平凡而又充实的生活，他们的喜怒哀乐、工作家庭、友情爱情等种种经历都被细腻入微地刻画出来。这些真实的人际关系和日常生活场景，让观众能够更直接地感受和体验到生活的真实面貌，从而使他们对现实生活有了更深的认识和理解。
该剧还通过讲述不同阶层和背景的人物之间的互动，展示出了社会的多元性和多样性。鲁明来自普通工人家庭，但他凭借自己的坚韧和智慧，最终成功开启了自己的创业之路；苏翠则是城市白领，但她始终坚持自己的价值观，不随波逐流，用自己的行动诠释了生活的真谛。这种多样性的视角，不仅丰富了该剧的内容，也让观众看到了社会的不同侧面，感受到了不同阶层的差异和互补性。
《人人看！鲁人鲁人》以其深厚的情感底蕴和生动的人物塑造，成功地引发了观众对于生活的深刻思考和情感共鸣。它让我们看到了人性的复杂性，感受到了生活的丰富多彩，也让我们更加珍惜眼前的生活，努力去创造属于我们的价值和梦想。这部剧的成功，无疑是对中国现实主义电视剧的一种创新和提升，也为更多的观众打开了一个全新的视野和视角，让人们在享受娱乐的也能从中获得人生的启迪和感悟。
6月4日晚，2025年世界女排国家联赛第一周常规赛在北京拉开帷幕，中国女排坐镇主场直落三局以3-0（25-18、27-25、25-13）零封比利时喜获开门红，这是继2018年3-0、2019年3-0、2021年2-3和2022年3-0后改写历史战绩为4胜1负。吴梦洁首发三局狂轰18分冠全场但一传效率14次主接2次到位1次失误只有7.14%。龚翔宇贡献13分进攻效率50%和一传效率46.67%均是领跑进攻三叉戟。
中国女排早前在世联赛与比利时交锋4次以3胜1负占据上风，分别是2018年常规赛第1组直落三局以3-0（25-14、25-20、25-13）零封，至于2019年常规赛第2组同样是以3-0（25-16、25-20、25-14）轻取，反观2021年常规赛第3组鏖战五局以2-3（25-17、25-27、25-23、21-25、8-15）惜败，而后2022年常规赛第4组也是以3-0（25-19、25-22、25-14）零封。
虽然女排姑娘们发球得分以3-3与比利时不相伯仲，但是得益于进攻54-39和拦网6-3两环节占据优势，并且自身失误以11-14少丢3分，最终是直落三局以3-0（25-18、27-25、25-13）零封比利时喜获开门红，同时将世联赛交锋纪录改写成4胜1负。江苏主攻吴梦洁三局狂轰18分冠全场，包括进攻15分拦网2分发球1分，得失分效率18.18%却在5位首发攻手垫底。
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