公众号 模安局·· 9 天前精选
不需要恶意指令，也能污染 Agent Skill：SkillPoison 的三阶段渐进式攻击
AI 导读
2026 年 10 月发布的论文《SkillPoison》（arXiv 2610.07645）提出针对 Agent Skill 形成过程的渐进式投毒方法：不注入恶意指令，而是筛选通过成功验证的历史经验、附加成功归因信息并让目标行为跨任务重复，诱导 Agent 把局部有效的操作归纳为过度泛化的通用规则。论文在 HANS、PAWS、DS1000 数据集和 AutoSkill、Trace2Skill 两种框架上实验，Trace2Skill 在 PAWS 上准确率… AI Safety HOT (aisafetyhot.com), CC BY-NC 4.0 · 本地公开归档导入
推荐理由
用户指定的本地展示归档；未运行评分模型，未生成分数。
来源：公众号 模安局 · mp.weixin.qq.com