arXiv · cs.AI · Zhe Yu, Yi Liu, Ying Zhang, Simin Chen · 6 小时前模型评分44
LatentTriad：无需执行即可检测恶意智能体技能的行动前风险表示
LatentTriad: Pre-Action Risk Representations for Malicious Agent Skill Detection
导读
LatentTriad 通过分析大语言模型预填充阶段形成的隐藏状态，在技能执行前识别恶意智能体技能，检测过程不生成输出 token、不调用工具、不执行技能代码。在来自五个来源的 5,830 个技能包和七个骨干模型上，该方法取得 99.0-99.2% 的汇总 F1 和 93.0-94.6% 的来源宏平均 F1，紧凑实现完成预填充与检测的中位耗时为 259-284 毫秒。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “Based on these findings, we introduce LatentTriad, which combines contextual Boundary features, group-adjusted Operation directions, and departures from benign state relationships.”
- “All branches share one prefill: detection generates no output tokens, invokes no tools, and executes no skill code.”
来源：arXiv · cs.AI · arxiv.org