南加州大学预印本审计七款开源闸门模型：改一个选项名即可绕过安全拦截

南加州大学预印本审计了七款被用作 Agent 闸门的类型化决策模型，在提示注入、越狱、有毒内容三类筛查任务上的放行-拦截决策准确率仅为 36% 到 72%，低于 50% 随机水平。