arXiv · Machine Learning· Chenxu Zhang, Zhou Liu, Wu Xin, Wentao Zhang·· 10 小时前AI 评分54
SkillLifeBench：评测智能体技能全生命周期的安全性
SkillLifeBench: Benchmarking Security Across the Lifecycle of Agent Skills
AI 导读
SkillLifeBench 将技能实现代码、选定版本和实际加载实现与任务结果关联，用于评测智能体技能全生命周期的安全性。该基准覆盖 388 个配对场景，评测 14 个模型；GPT-5.6-Sol 与 Sonnet 4.6 在运行时任务均为 82.0%，生命周期任务分别为 96.7% 和 56.7%。
来源：arXiv · Machine Learning · arxiv.org