STARS 論文閱讀分析：真正該補的也許不是再多一次靜態審查，而是每次 skill invocation 當下的風險排序
論文基本資訊 論文標題：Skill-Tr...
2026 年 4 月 18 日
近期文章
- BadSkill 論文閱讀分析：真正危險的 skill，可能根本不是寫了什麼壞指令，而是裡面那顆模型早就被訓成了內鬼
- ICON 論文閱讀分析：真正該修的也許不是那段髒資料，而是 Agent 已經被它拉歪的注意力軌跡
- 論文閱讀分析：真正危險的 indirect prompt injection，往往不是讓 Agent 說錯話，而是做錯事後還看起來一切正常
- Meerkat 論文閱讀分析：真正該被稽核的，也許不是單條 Agent trace，而是整批 traces 一起透露出的違規模式
- SafeHarness 論文閱讀分析：真正該被保護的，也許不只是模型輸入輸出，而是整條 Agent execution harness 的生命週期