LatentTriad 提出预执行恶意技能检测法

1. 13:00
   arXiv · cs.AI

   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 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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。