跳到正文
arXiv · NLP· Jerrold Huang, Junwei Quan, Saiyue Lyu, Zihan Guo, Yingqiang Ge·· 2026-10-14AI 评分25

SkillScreen:用于恶意智能体技能高召回筛选的决策模型

SkillScreen: High-Recall Screening of Malicious Agent Skills with Decision Models

AI 导读

SkillScreen 是一个紧凑决策模型,单次前向即可评估 Agent 技能恶意性。在 MaliciousSkillBench 上,该模型对未见攻击家族达到 99% 召回率,仅将 20-25% 良性技能标记为可疑。

来源:arXiv · NLP · arxiv.org