SkillHarm揭示智能体技能投毒风险

hhsun1在EMNLP 2026 LLM Agents会场口头报告SkillHarm基准：针对第三方智能体技能的投毒攻击最高成功率达86.3%，表明恶意技能可对智能体运行构成实际风险。 该研究覆盖技能使用全生命周期，定义12种风险类型，涉及数据管道、系统环境和智能体自主性，并区分固定载荷投毒与自我变异投毒。后者在技能正常执行时悄悄修改持久化内容，延迟至再次复用时发作。研究利用自然语言harness驱动编码智能体生成879个攻击样本，覆盖71个技能。

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。