SkillScreen：高召回筛查恶意 Agent 技能

Jerrold Huang 等作者发表论文提出 SkillScreen，一个紧凑决策模型，单次前向读取 SKILL.md 即可直接为 Agent 技能打出恶意性分数。 据论文，在 MaliciousSkillBench 上，面对未见攻击家族，SkillScreen 以 99% 召回率仅误标 20-25% 良性技能，明显少于所测试的词级分类器和提示式 LLM 评审；在相同训练协议下，它对未见来源的泛化也优于全量微调编码器。但论文同时指出，陌生的良性来源会显著推高误报，识别新攻击并不等于能可靠筛查新的技能集合。

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。