SkillScreen论文：恶意Agent技能筛查模型

Jerrold Huang等人发布SkillScreen论文，提出一个紧凑决策模型，通过单次前向计算直接对SKILL.md技能文件的恶意性评分，用于筛查Agent技能是否恶意。 据论文，在MaliciousSkillBench上，模型对未见攻击家族达到99%召回率，将20%至25%的良性技能误标为恶意，误报少于测试中的词级分类器和提示式LLM评审；但面对未见良性来源时误报显著增加，说明能识别新攻击并不意味着能可靠筛查新的技能来源。

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。