斯坦福与 CMU 提出 Plan Injection：恶意计划被模型改写成「干净」的推理链，CoT 监控可被绕过
TL;DR：斯坦福大学与卡内基梅隆大学的研究团队 9 月 14 日在 arXiv 发布论文《Corrupt Plans, Clean Traces: Evading Chain-of-Thought Monitoring with Plan Injection》（arXiv:2609.15989）。论文提出一种名为 Plan Injection 的攻击：攻击者不直接要求模型做坏事，而是往上下文里塞一份听起来无害、实际暗藏错误目标或后门的「完整计划」。模型读到后会把它吸收、改写