细节中的 Jevil：TypeSafe Jev 及其他 System One 模型的安全影响
Jevil in the details: Security implications of TypeSafe Jev and other System One models
AI 导读
HiddenLayer 的测试显示，TypeSafe 的 System One 模型 Jev 及其他同类模型仍可能被间接提示注入和文本扰动攻击带偏，改变解码方式并未消除常见风险。在模拟结账页面上，尽管系统提示写明页面文本不可信，攻击者控制的广告仍让浏览器 Agent 点击广告、离开购买流程；Jev API、基于 Qwen3.8-27b 的自研模型和 OpenAI Decisions API 的 gpt-6-luna 都给出错误决策，用 jev-ultrafast harness 的传统自回归模型也被带偏。在 30 条有害提示词的分类测试中，两个模型基线均给出高毒性评分，但在增加扰动数量并改进目标后，TokenBreak 式扰动可以绕过。
推荐理由
测试显示改用单次推理返回结构化决策的 System One 模型仍会被间接提示注入和文本扰动绕过，部署方需按具体应用验证其决策。