同一操作，不同权限：评估 Guardrails 是否遵循授权

研究者提出基准 \bench{}，用专家标注的自然语言场景、已执行验证的操作及外部原生策略请求，对比同一操作在语言轨道上的授权证据，并检查每次决策的正确性、可用性与实际效果。实验显示，许多被拦截的操作源于审查失败而非正确拒绝；修复输出格式可恢复可用决策但会改变被放行的授权请求，增加第二名审查者能消除部分错误却会拒绝有效授权。