JevBreak 揭示决策模型中“允许选项”不等于“安全决策”的 Slot Attack 漏洞

针对七个决策模型在 16 项任务上的评估显示，限制模型可输出的选项集并不能阻止攻击者操纵决策。 攻击者利用 Slot Attack 黑盒方法，仅依赖标签概率即可成功将 32%–99% 的正确决策导向错误选项，每次成功攻击中位查询量仅为 17–72 次。 固定答案集仅约束了决策形式而非来源，模型鲁棒性必须按模型、任务和版本逐一测量，不能因输出格式而默认安全。