v2.0: Drei von sieben bereichsübergreifenden Techniken wurden implementiert und anhand von sechs öffentlichen Datensets (deepset/prompt-injections, NotInject, LLMail-Inject, AgentHarm, AgentDojo und einem synthetischen Benchmark für indirekte Injektionen) bewertet. Der lokale Alignment-Detektor (Bioinformatik) hebt F1 auf deepset von 0.033 auf 0.378 bei null zusätzlichen falschen Positiven. Der stilometrische Detektor (forensische Linguistik) erhöht F1 bei indirekten Injektionen um 11,1 Prozentpunkte. Der Ermüdungsverfolger (Materialwissenschaft) blockiert Prüfkampagnen durch per-Source EWMA-Härtung. Ablationsstudie mit vier Konfigurationen und 868 bestandenen Tests und reproduzierbarem Benchmark-Framework. Allen Code unter Apache 2.0 veröffentlicht.
Thamilvendhan Munirathinam (Mon,) hat diese Frage untersucht.