SkillPoison：用成功经验渐进式投毒LLM技能

Lizhi Zhang 等作者提出 SkillPoison 攻击框架，针对自改进 LLM Agent 的技能提取流程，仅利用通过验证的成功经验即可投毒，无需任何单条轨迹包含恶意内容。作者称在三个基准上的实验显示，该框架达到 95.71% 的攻击成功率，且所有注入的经验仍保持任务正确，能通过验证和词法检查。 这意味着依赖经验验证与词法审查来过滤恶意轨迹的防御方式，可能无法识别此类投毒。作者已公开代码、数据与实现细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。