arXiv Artificial Intelligence· Jerrold Huang, Junwei Quan, Saiyue Lyu, Zihan Guo, Yingqiang Ge·· 19 小时前AI 评分32
SkillScreen：用决策模型高召回筛查恶意 Agent 技能
SkillScreen: High-Recall Screening of Malicious Agent Skills with Decision Models
AI 导读
SkillScreen 是一款紧凑决策模型，可直接从 SKILL.md 单次前向传播给技能恶意性打分。在 MaliciousSkillBench 上，它对未见攻击家族达到 99% 召回时仅误报 20-25% 良性技能，明显少于词级分类器和提示式 LLM 评判。但面对陌生良性来源时误报会急剧上升，说明识别新攻击不等于能可靠筛查新技能集合。
来源：arXiv Artificial Intelligence · arxiv.org