SKILLTRACE는 LLM 에이전트 생태계에서 유통되는 재사용 가능한 '스킬'의 출처와 재사용 여부를 감사하는 다중 트레이스 프로베넌스 프레임워크다. 스킬을 서술(Expression), 구현(Implementation), 운영(Operational) 세 가지 트레이스로 분해하고, 운영 트레이스는 활성화·절차·자원 흐름 구조를 담은 Skill Operational Graph(SOG)로 표현한다. LLM은 수집 단계에서 운영 트레이스 추출에만 한 번 사용되며, 감사 시점에는 캐시된 트레이스를 결정론적으로 비교해 어떤 트레이스가 재사용 판정을 뒷받침하는지 보고한다. 820건의 변형 재사용 양성 사례와 751건의 부정 대조군으로 구성된 SKILLTRACE-BENCH에서 AUROC 0.938, F1 0.898을 달성했고, 3만 6446개 스킬 규모의 실사용 감사에서도 저장소 단위 기준선을 넘어서는 실질적인 검토 대상을 찾아냈다.
- •스킬을 서술·구현·운영 3개 트레이스로 분해해 재사용 여부 감사
- •운영 트레이스를 Skill Operational Graph(SOG)로 구조화
- •SKILLTRACE-BENCH에서 AUROC 0.938, F1 0.898 기록
- •LLM은 수집 시 운영 트레이스 추출에만 1회 사용, 감사는 결정론적 비교
- •3만 6446개 스킬 규모의 실사용 감사로 실전 적용성 입증
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
SkillTrace: Multi-Trace Provenance Auditing for LLM-Agent Skill Reuse
본문 미리보기
arXiv:2608.05204v1 Announce Type: new Abstract: LLM-agent ecosystems are rapidly growing around reusable skills: mixed-modality packages of metadata, natural-language instructions, code, tools, references, and operational workflows. As skills become marketplace artifacts, auditing their reuse is no longer the same problem as ordinary code clone detection. Existing detectors target single-modality source code or whole-package similarity, yet skill reuse evidence is distributed across authored te
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:11AI 초안
