老师办公区：神秘的灵感源泉，创意写作的空间——探索在老师办公室中创作小说的独特体验，翰森制药(03692.HK)：甲磺酸阿美替尼片获英国药品与保健品监管局批准上市看似无害的提问，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总之，生蚝是一种营养丰富、味道鲜美的海产品。通过正确的挑选、烹饪方法和适量食用，我们可以尽情享受生蚝带来的美味与健康。记住，只有身体倍棒的人才能更好地品味这份来自大海的礼物。
文题：教师办公室：神秘的灵感源泉，创意写作的空间——探索在老师办公室中创作小说的独特体验
在教师办公室这个繁忙而充满活力的场所里，隐藏着一个被大多数人忽视的角落，那便是灵感的源泉和创意写作的空间。它位于教室与办公室的中间地带，那里虽然没有孩子们嬉戏打闹的声音，却充满了学习工作的紧张气氛和独特的创作氛围。
在这样的环境下，我们常常可以发现那些看似平常的场景在被赋予了非凡的意义。比如，当老师们坐在自己的办公桌前时，他们的目光总是专注地扫视着他们面前的书籍、资料或者电脑屏幕，仿佛在寻找着那个能够激发他们创作灵感的地方。而在这些地方，可能是一本未读完的小说，也可能是一款待开发的游戏，亦或是对学校生活或学生们的深刻洞察。
无论是什么样的物体，都会在老师的办公桌上留下一些痕迹，让它们成为他们的创作素材。有时候，这可能是一只笔尖划过纸张留下的痕迹，记录下了一次深思熟虑的讨论；有时，可能是鼠标轻轻点击在键盘上的声音，引发了一条新的故事线；还有时候，可能是一把旧式相机在拍下的校园风景，为我们的写作提供了丰富的画面元素。
在这样的环境中，教师们可能会随时停下手中的工作，走进工作室，静静地坐下来，用自己独特的方式开始书写他们的故事。他们会静静地观察周围的世界，尝试从不同的角度理解问题，用细腻的情感描绘人物，用生动的语言描绘环境，用自己的想象力编织出一个又一个的精彩情节。在这个过程中，他们可能会产生大量的想法和灵感，这些灵感是他们创作的基础，也是他们创作的动力源泉。
老师办公室中的创作并非一帆风顺。在日常的教学工作中，老师们既要保证教学质量，又要应对各种突发状况，这些都可能分散他们的注意力，影响他们的创作过程。这时，他们就会利用其他时间进行创作，例如在课间休息时，他们会坐在窗边，看着窗外的城市景象，想象着故事发生的地点和角色；在晚自习后，他们会独自一人，坐在书桌前，写下自己的思考和感悟，试图通过文字表达自己的情感和思考。
教师办公室是一个神秘的灵感源泉和创意写作的空间，它存在于教师们的日常生活中，无声无息却又充满了无限的可能性。在这里，教师们可以通过观察周围的世界，创新思维，深入剖析人物和事件，将自己的情感和思想融入到作品中，创造出属于自己的独特故事和风格，这就是他们创作的体验，也是他们在教师办公室中体验的创作空间。让我们在探索老师办公室的神秘之处时，也能更好地理解和支持教师的工作，共同创造一个充满创造力和活力的学习环境。
翰森制药(03692.HK)发布公告，本集团创新药甲磺酸阿美替尼片(英国商品名：Aumseqa®)获英国药品与保健品监管局(MHRA)批准上市。Aumseqa®作为单药治疗适用于：成人局部晚期或转移性非小细胞肺癌(NSCLC)且具有激活的表皮生长因子受体(EGFR)突变的患者的一线治疗，以及成人局部晚期或转移性EGFR T790M突变阳性NSCLC患者的治疗。
投行对该股的评级以买入为主，近90天内共有7家投行给出买入评级，近90天的目标均价为25.27港元。华泰证券最新一份研报给予翰森制药买入评级，目标价28.95港元。
机构评级详情见下表：
翰森制药港股市值1546.26亿港元，在化学制药行业中排名第1。主要指标见下表：
以上内容为证券之星据公开信息整理，由AI算法生成（网信算备310104345710301240019号），不构成投资建议。
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