固定答案集只约束输出形式，不约束决策来源。
资讯摘要
论文提出黑盒攻击 Slot Attack，针对决策类模型，仅利用返回的标签概率，将拼接文本追加到证据中，把原本正确的判断导向攻击者指定的错误选项。作者在托管 API、开放权重模型和编码器共七个决策模型、七个领域 16 项任务上测试，初始正确决策的攻击成功率为 32%–99%，中位 17–72 次查询即可找到有效组件组合。论文报告准确率与置信度无法可靠暴露该漏洞，置信度阈值也难以筛除攻击。
要点速读
- Slot Attack 仅依赖返回的标签概率，通过拼接命名组件文本实施黑盒攻击。
- 在七个决策模型上，初始正确决策的攻击成功率为 32%–99%，中位 17–72 次查询找到有效组合。
- 作者报告约 20% 的 JEV 模型正确决策、77% 的 gpt-6-luna 和 98% 的 GLiNER2.5 可被强制导向每一个错误选项。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。