skill-safety-bench

SkillSafetyBench SkillSafetyBench は、スキル向けコンテキストへの攻撃によって引き起こされる安全性の失敗を評価するための、完全に具体化されたベンチマークです。各ケースでは、ユーザー向けタスクは通常のまま維持され、攻撃はローカルスキル、ヘルパースクリプト、サイドカーファイル、コーパス、テンプレート、またはエージェントが実行中に参照する可能性のあるその他のワークスペース成果物に配置されます。...