《媚者无疆TXT》探秘绝世绝美的宫斗与江湖恩怨：跨越时空的爱恋与命运对决，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心脏支架龙头跨界拿下“童颜针”第7证，乐普医疗的“下坡路”快走完了吗？国际航协理事长威利·沃尔什（Willie Walsh）表示：“SAF产量在2025年预计翻倍至200万吨的消息令人鼓舞，但仍仅占航空业总燃料需求的0.7%。即便如此，这点产量仍将推升全球航空业的燃料成本增加44亿美元。必须快速提升产量和提高效率，实现降本。”
国家文库
《媚者无疆TXT》，这是一部跨越时空的爱情传奇小说，以璀璨华丽的宫斗与江湖恩怨为主线，描绘了主人公温婉如玉的女主角苏颜和傲视群雄的男主角杨过之间交织的情感纠葛。故事的主角们跨越千年的岁月，身处不同的时代背景，但他们的爱情，却如同在两座繁华的大都市中，彼此深陷无法逾越的命运交锋。
苏颜，是古代江南的一位青楼女子，她出身名门望族，美丽善良，温柔体贴。她的出现，不仅打破了皇宫的平静，也引发了一场席卷全国的腥风血雨。在一场宫斗之中，苏颜展现出惊人的智慧和勇气，凭借其独特的魅力和坚韧不拔的精神，成功化解了宫廷的纷争，成为了后宫中的独孤一女。她的爱情之路并未就此结束。在江湖上，苏颜因与杨过的相遇而卷入了一场生死未卜的恩怨争斗中。杨过，这个传说中的神雕侠侣，以其旷世才情和过人的武功，面对着苏颜的倾城之色和生死相搏的决绝决断，最终选择了与她共度余生，成为了一段穿越千年的深情眷恋。
爱情并不是一座完美的殿堂。苏颜与杨过的遭遇并非没有波折。他们之间的感情，被各自的身份、地位和家族背景所束缚，使得他们在一次次生死考验中，更加深刻地理解了彼此的心意。他们需要相互扶持，才能度过难关，甚至为了对方不惜付出一切代价，包括牺牲自己的生命。他们的爱情，充满了对未知世界的恐惧和对未来的不确定，但却也因此变得更加深厚和坚定。
在这个过程中，苏颜与杨过经历了许多艰难险阻，但也因此展现了爱情的力量。他们的爱情，不是一时的情心动念，而是经过时间的沉淀和磨砺，逐渐形成的深厚情感纽带。他们互相依靠，共同面对生活的挑战，从最初的新鲜刺激到后来的平淡无奇，再到最后的生死相许，每一个瞬间都充满了浪漫和感动。
无论是《媚者无疆TXT》中那个跨越时空的绝世绝美宫斗，还是江湖恩怨的激烈交织，都在揭示了一个深刻的主题——真爱，无论何时何地，都需要我们用真心去对待，用勇气去追求，用智慧去应对。只有这样，才能真正实现爱情的价值，让这份感情超越时间和空间，成为永恒的记忆，陪伴我们走过人生的每一个阶段，成为我们生活中最美好的旋律。
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
“外来的和尚”闯入“内卷”的医美赛道。
6月4日，心血管龙头企业乐普医疗（300003.SZ）高开高走，早盘盘中一度触及20cm涨停，午后尾盘封死涨停板，收盘报于14.11元，最新总市值265.35亿元。
前一日，乐普医疗发布公告称，公司自主研发的聚乳酸面部填充剂获得国家药品监督管理局（NMPA）注册批准。聚乳酸面部填充剂更广为人知的名称是“童颜针”。
图源自公司公告
作为A股市场的“心血管第一股”，乐普医疗这几年的日子不好过，公司自2022年开始陷入收入下滑通道，为了自救，一手裁员“瘦身”并减少对滞涨旧有业务的投入，一手通过合作、自研等路径布局医美领域。
需要注意的是，童颜针获批之于乐普医疗，是转型之喜，但切换赛道来看，童颜针所属的再生医美市场竞争激烈。
截至目前，乐普医疗的产品是国内获批的第7款童颜针产品、第6款本土产品。不仅如此，童颜针与“少女针”都是再生类填充针剂，主要通过刺激人体自身胶原蛋白再生来实现填充和抗衰效果，两类产品的目标客户群体有一定重叠，也形成竞争关系。另外还有不断获批的新材料产品。