Un team guidato da James Peters‑Gill ha pubblicato il 6 ottobre 2026 uno studio su multi‑CaMeL, un protocollo che mantiene separate le istruzioni attendibili dai dati non attendibili quando gli agenti ne chiamano altri. Il metodo impedisce gli attacchi indiretti di prompt injection, che possono indurre un agente AI a eseguire comandi dannosi nascosti. Nei test, multi‑CaMeL ha ridotto il tasso di successo degli attacchi allo 0,0%, contro lo 0,2% di CaMeL per singolo agente e il 12,9% in assenza di protezioni. Il protocollo comporta un lieve costo in termini di prestazioni, che però diminuisce con l’impiego di modelli linguistici più grandi.
Perché conta
Gli sviluppatori di assistenti AI che usano strumenti possono affidarsi a multi‑CaMeL per bloccare i prompt dannosi nascosti quando gli agenti collaborano.
