SkillScreen 恶意 Agent 技能筛查模型发布
热点事件持续更新
SkillScreen 恶意 Agent 技能筛查模型发布
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Jerrold Huang 等作者发布 SkillScreen，一个直接从 SKILL.md 单次前向传播为技能恶意性打分的紧凑决策模型。据该论文，在 MaliciousSkillBench 上，它对未见攻击家族达到 99% 召回，误报 20-25% 良性技能，明显少于词级分类器和提示 LLM 评判。 但论文同时指出，面对陌生的良性来源，SkillScreen 的误报会急剧上升。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
SkillScreen：用决策模型高召回筛查恶意 Agent 技能报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CLSkillScreen：用决策模型高召回筛查恶意 Agent 技能
SkillScreen 是一个紧凑决策模型，直接从 SKILL.md 单次前向传播为技能恶意性打分。在 MaliciousSkillBench 上，它对未见攻击家族达到 99% 召回，仅误报 20-25% 良性技能，明显少于词级分类器和提示 LLM 评判。但面对陌生的良性来源，误报会急剧上升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。