Agent Skills Safety

归档报告（最新在前）

• May

  05
  #1
  BOA：把 Agent 安全度从采样翻成搜索——固定 GPU 预算下穷尽长尾不安全轨迹

  Lin, Suri, Oprea, Tan · Northeastern Univ. · arXiv 2026-05-02
  94 分
• May

  04
  #1
  Symbolic Guardrails：审 80 个 benchmark 得出 74% 策略可被符号守卫低成本保证

  Hong, She, Kang, Timperley, Kästner · CMU · arXiv 2026-04-16
  94 分
• May

  03
  #1
  Human-Guided Harm Recovery：为 Computer-Use Agent 补上"出错后怎么救"最后一环

  Li, CH-Wang, Peng, Bobu · MIT / Columbia · arXiv 2026-04-20
  93 分
• May

  02
  #1
  EPO-Safe：仅凭 1-bit 危险信号，Agent 自主发现可审计安全规约

  Víctor Gallego · arXiv 2026-04-25 · 反思必须配专用 safety 通道
  93 分
• May

  01
  #1
  OS-BLIND：良性指令下 CUA 的安全盲区——多 Agent 部署 ASR 飙至 92.7%

  Ding, Zhai et al. · arXiv 2026-04-12 (v2) · Claude 4.5 Sonnet 失守
  94 分
• Apr

  30
  #1
  Owner-Harm：Agent 安全被忽视的威胁——Agent 伤害部署它的人

  Zhang, Jiang · arXiv 2026-04-20 · 14.8% vs 100% TPR
  93 分
• Apr

  29
  #2
  不要让 AI Agent "YOLO"你的文件：把信息与控制权转移到文件系统

  Zhong, Liao et al. · UW–Madison / HKUST(GZ) · arXiv 2026-04-15
  91 分
• Apr

  29
  #1
  HarmfulSkillBench：公开技能生态如何把 Agent "武器化"？

  Jiang, Zhang et al. · CISPA · arXiv 2026-04-16
  92 分