SkillJack компилирует отравленную траекторию в persistent-навык LLM-агента — детекция вредоносности падает с 98.5% до 11.4% после skill extraction, ASR достигает 89.2%, а 80% имплантов переживают удаление исходных записей.Атака бьёт по...
SkillJack: отравление навыков LLM-агентов через pipeline самообучения
Источник: codeby.net