跳到正文
arXiv · AI· Pengyu Zhu, Jingyi Yang, Yi Liu, Li Sun, Sen Su·· 17 天前AI 评分28

SkillDRE:基于预执行和运行时反馈的 Agent Skills 双阶段红队演化

SkillDRE: Dual-Stage Red-Team Evolution of Agent Skills via Pre-Execution and Runtime Feedback

AI 导读

SkillDRE 是一个全自动框架,通过双阶段反馈闭环演化恶意 Agent Skills 包。 其在 SkillsBench 上针对四个受害者模型的平均攻击成功率为 45.28%,超过最强基线 40.3%。 最终提交的 Skills 未触发 SkillScan 检测,且基本保留了良性任务性能。

来源:arXiv · AI · arxiv.org