加一个冒号即可让Jev判错：请求呈现方式决定最终答案评分的假接受率

固定候选编辑（在随机字母后加一个冒号）可在排序JSON键呈现下使Jev把明确错误的最终答案判为正确，三标签配置假接受从2/200升至52/200，四标签从6/200升至53/200。 此前短字符串评判攻击多关注标点、共享短语或控制令牌本身；这里把候选侧编辑与集成侧请求呈现方式作为交互项配对检验，并用数值参考答案独立认证错误。 200个此前未使用的DROP/GSM8K来源簇，每来源/配置16次调用，含四项干净/修订控制与字节相同重复请求；配对呈现交互经预设的按工作负载分层的零中心聚类自助法与Holm校正，达到预设模拟下限。

Jev在插入顺序与排序两种呈现、三标签与四标签两种评分配置下均通过全部预设控制阈值，但仅在排序呈现下出现冒号编辑导致的超额假接受。 说明仅凭干净控制表现无法暴露这种呈现依赖的脆弱性，控制能力与对候选扰动的稳健性可以分离。 控制阈值要求裸正确、裸错误、仅错误最终答案各至少190/200正确，有效修订至少180/200；Jev四格面板完整，全部达标。

效应集中在被分配较大数值变异的候选上：近变异合并后两种配置交互为零，远变异下三标签与四标签交互分别为正。 给出该构造的边界条件，说明效应随数值幅度、位数与文本可信度等同时变化的来源分组而不同。 每个工作负载含50个近变异与50个远变异；不同问题接受不同变异距离，因此该比较描述来源组间边界而非单一因素隔离。

GPT-6 Sol通过控制阈值，在四个提示单元中未观察到假接受，196个完整交互为零，但六个未知传输完成未重放。 提供一个生成式比较器在同一固定语法与来源面板上的对照观察，而非架构排名或总体等价性结论。 Sol使用默认推理、Standard服务层级与严格分类JSON，不提供置信度；四个主要来源因未知响应而不完整，有限面板界与总体区间分别报告。

该结果适用于参考感知的数值最终答案评分构造、平衡的DROP/GSM8K与近/远变异混合，以及记录的Jev服务窗口；对使用结构化评判接口、需要把候选扰动与请求呈现分开记录的评测者与集成方最有价值。它支持在集成实际使用的呈现方式下测试候选扰动，并保留已执行的请求表示，而不是只记录解码后的字段值。插入顺序呈现下观察到的零提示错误标识的是一个已测试条件，并不构成对其他编辑或输入的通用防御结论。

排序呈现同时改变多个请求对象顺序，状态位置、其他对象顺序与隐藏渲染未被分离，内部提示系数与注意力机制未被识别；效应集中在远变异组，而数值幅度、位数与文本可信度随来源一同变化。GPT-6 Sol的六个未知传输完成未重放，四个主要来源不完整，因此总体等价性未被确立。自然输出中的发生率、未来服务行为与下游后果均未测量；开放实现多数未通过能力门槛，且精度配置改变结果，因此向开放部署的迁移证据有限。