摘要
Agent 技能是赋予 LLM 驱动代理具体能力的配置包，包含结构化接口与自然语言描述。现有工具难以同时分析两者以证明安全风险。本文提出 Semia，一种静态审计器，将技能提升为技能描述语言（SDL）事实库。通过约束引导的表示合成（CGRS）技术，循环优化 LLM 候选方案，生成结构健全且语义忠实的事实库，从而将安全属性检测转化为 Datalog 可达性查询。在万余个真实技能上的评估显示，Semia 能有效发现关键语义风险，显著优于现有基线。
AI 推荐理由
论文核心研究 Agent 技能（Skill）的定义、表示及审计机制，直接针对技能安全性。
研究机构
University of California, Santa Barbara
Santa Barbara, CA, USA
University of California, Los Angeles
Los Angeles, CA, USA
fuzz.land
Fuzhou
USA
University of California, San Diego
San Diego, CA, USA
论文信息