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与已执行验证的操作，检验 Guardrails 能否在阻止未授权操作的同时放行有合法权限的同一操作。实验发现许多被阻止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。