La recherche démontre que les services de grands modèles linguistiques qui s'appuient sur des défenses avec état pour arrêter les attaques de décomposition restent vulnérables lorsque les attaquants utilisent des identités non liables et des mécanismes de réessai. L'étude prouve qu'en l'absence de signaux de regroupement fiables pour les requêtes bénignes, le compromis entre sécurité et utilité s'effondre car le feedback permet aux attaquants d'apprendre quelles requêtes passent.
Les expériences sur 91 tâches exécutables et 11 393 requêtes bénignes appariées par capacité montrent que les dix politiques testées n'ont pas réussi à arrêter les attaques ou ont dépassé les budgets de refus sous des caps stricts.
Le succès des attaques a atteint au moins 99% après une tentative et 100% après deux tentatives sur des familles de tâches non vues par la défense, indiquant que des défenses efficaces nécessitent des preuves de regroupement supplémentaires comme le lien d'identité ou des coûts pour les nouvelles identités.