摘要
随着LLM-Agent生态系统中可复用技能包的普及,对其复用情况进行审计变得至关重要。现有检测器难以应对跨模态、分布式的技能复用证据。本文提出SKILLTRACE框架,通过提取表达、实现和操作三种溯源轨迹来检测技能复用。其中,操作轨迹被建模为技能操作图(SOG)。该框架在摄入阶段利用LLM辅助提取,审计时则进行确定性比较和校准。实验表明,SKILLTRACE在基准测试中取得了优异的性能,并在大规模真实场景审计中展现了超越基线方法的实用价值。
AI 推荐理由
论文直接针对LLM-Agent技能复用问题,提出多轨迹溯源审计框架,核心聚焦于技能(Skills)的识别与验证。
研究机构
Ant集团
杭州电子科技大学
浙江大学
国防科技大学
西安交通大学
清华大学
论文信息