STARS：基于请求条件调用的技能触发审计
人工智能
2026-04-14 v1
摘要
自主语言模型智能体日益依赖可安装技能和工具以完成用户任务。静态技能审计可在部署前暴露能力表面，但无法确定特定调用在当前用户请求和运行上下文下是否安全。我们因此将技能调用审计作为连续风险估计问题：给定用户请求、候选技能和运行上下文，预测得分以支持在应用硬性干预前进行排序和分流。我们引入STARS，结合静态能力先验、请求条件调用风险模型和校准的风险融合策略。为评估此设定，我们构建SIA-Bench，包含3000条调用记录，具群组安全划分、血统元数据、运行上下文、规范动作标签及派生连续风险目标。在隐式提示注入攻击的锁定分布外测试集上，校准融合达到0.439的高风险AUPRC，优于0.405的上下文评分器和0.380的最强静态基线；而上下文评分器在校准性上更佳，0.289的预期校准误差。在锁定分布内测试集上，收益较小，静态先验仍有用。因此，主张局限为：请求条件审计最有价值为作为调用时风险评分和分流层，而非静态筛选的替代品。代码已公开于https://github.com/123zgj123/STARS。
引用
@article{arxiv.2604.10286,
title = {STARS: Skill-Triggered Audit for Request-Conditioned Invocation Safety in Agent Systems},
author = {Guijia Zhang and Shu Yang and Xilin Gong and Di Wang},
journal= {arXiv preprint arXiv:2604.10286},
year = {2026}
}