SkillScreen恶意技能筛查论文发布

2026年10月15日，Jerrold Huang等作者在arXiv人工智能板块发布论文，提出SkillScreen——一款紧凑决策模型，可直接从SKILL.md单次前向传播为Agent技能恶意性打分。据该报道，在MaliciousSkillBench上，SkillScreen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，报道据此指出识别新攻击不等于能可靠筛查新技能集合。上述数据与结论均出自该论文报道本身，尚未见其他独立来源的跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。