LatentTriad：面向恶意 Agent 技能检测的前行动作风险表征

LatentTriad 提出一种免执行恶意 Agent 技能检测框架，利用预填充阶段的隐藏状态实现风险识别，无需生成 token、调用工具或执行代码。在涵盖 5 个来源的 5,830 个技能包及 7 种基础模型上，该模型取得 99.0%-99.2% 的池化 F1 分数及 93.0%-94.6% 的源宏 F1 分数。