它是什么
展示如何写一句话就补上检测器的盲区。
它做什么： 就一段文本问 Jev 几个英文问题，把答案加权成攻击概率。
为何进案例库： 与单个问题和另外四个检测器做了坦诚的对比。
注意： 与单问题基线持平，没有超过。
证据
公开 MIT 仓库，创建于 2026-10-21，有在线演示。在 2,193 条确认集上 AUC 为 0.979，加一句话后为 0.983；作者的配对自助法显示，加句后的版本与单个 Jev 问题（0.983）持平。不重新训练，只把一句话加为神经元，就把套取密码类攻击的检出率从 40.8% 提到 70.4%，代价是 2,731 条正常文本中新增 13 次误报。每条文本一次 Jev 调用：中位 79 毫秒，2.0e-5 美元。
注意
- 在未见数据上没有超过一个好的 Jev 问题；收益在于可编辑和可解释
- 问题是由 Claude 在搜索循环中找到的
- 训练与测试集是公开的提示注入数据集
非官方案例页。热度用观察到的 stars / 列表位次；热度不是质量 SLA。依赖前请阅读上游 README。