BARBICAN 分层提示注入网关的组件归因研究:消融实验需配合替换实验
作者在 BARBICAN(面向 MCP 工具中介的 fail-closed 提示注入网关)上展示:仲裁阶段因分词器配置错误,整段评测中接收被破坏的文本;修正后该阶段语料级 AUC 从 0.392 升至 0.855,但系统召回率反而从 80.67% 降至 80.34%,而一个恒定回答 malicious 的桩模型得分为 80.77%。作者指出,上游路由使该阶段输入带 96.82% 为恶意,且判定设计让有罪判定可阻断、无罪判定仅能经单一窄分支放行;删除该组件损失 673 次检测,用常量替换其判定仅改变 25,000 次决策中的 12 至 140 次,移植一个在该输入带 AUC 达 0.916 的现成分类器也只改变 16 次决策。作者主张,任何路由阶段的消融数字若脱离其输入带的类别分布都无法解读,消融实验应与替换实验并列。材料为预印本摘要,未读取全文,方法与数据细节未核验。