Defense-as-Skill：把运行时防护做成可编辑技能

作者团队在arXiv发布论文提出Defense-as-Skill范式，将Agent运行时防护本身实现为可安装、可检查、可编辑的技能，并开发了防护技能SkillSonar，根据用户任务边界把敏感操作导向允许、重新规划或确认。 配套发布任务条件化数据集SCOPE-R，覆盖6类风险家族、21个子类，含206个攻击确认的恶意实例和43个良性任务。 论文报告的实验结果为：在重复的GLM-5运行中，域内攻击成功率（ASR）从0.482降至0.104，域外ASR从0.606降至0.115。该结果为论文声称，尚属arXiv阶段。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。