SkillPoison污染智能体技能学习

Lizhi Zhang等作者提出并实验评估SkillPoison框架，基于论文摘要，该方法在三个基准上的攻击成功率达到95.71%，注入经验均保持任务正确，并通过验证与词汇检查。 该方法不是直接植入恶意内容，而是先构造强化目标行为的成功经验，再逐步移除限定其适用场景的条件，使技能抽取器在完成任务的同时，将有害行为错误泛化到其他情境。代码、数据和实现细节已提供公开仓库，但当前证据仅来自论文摘要。

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。