研究称近 6% Agent 技能诱导跳过人工检查
原标题：This paper finds that about 1 in 17 agent skills tells agents to skip human checks, and existing ski...
78AI 研判分
最新研究分析发现，约 1/17 的公开 Agent 技能文件包含“跳过确认”指令，且现有安全扫描器漏检率极高。该研究指出，将此类指令限制在特定上下文（如 CI）并针对“监督缺失”而非仅“恶意代码”进行筛查，是提升 Agent 安全性的关键。
报道正文
Rohan Paul (@rohanpaul_ai) · 2026-10-31 11
这篇论文发现，大约每 17 个 Agent Skills（智能体技能）中就有 1 个指示智能体跳过人工检查，而现有的技能扫描器大多未能检测到这些情况。
Agent Skills 是共享的 SKILL.md 指令文件，由智能体按需加载。像“无需确认直接推送”或“一直执行直到完成”这样的一行代码，会从每个加载该技能的智能体中移除一个人工检查点。
研究人员分析了来自公共 GitHub 仓库的 153 万个英文技能文件，并测试了 Cisco 和 NVIDIA 提供的两款可调用 GPT-5.4 的开源扫描器。
约有 88,000 个技能包含此类指令，且其中 70.1% 的指令在所有上下文中均生效，而不仅仅是在 CI（持续集成）等特定场景下。这些扫描器的最高检出率仅为 46%，精确度低于 0.4；而当使用同一个 LLM，但询问重点从“恶意行为”转向“监督缺失”时，检出率提升至 61%，精确度达到 0.71。
建议将技能中所有“无需询问”类的指令限制在特定上下文（例如仅限 CI 环境），并在筛查技能时关注监督机制的缺失，而不仅仅是检测恶意软件。
