AIエージェントスキルの行動整合性検証

本論文では、AIエージェントスキルの実際の能力と宣言された能力の一致を検証する行動整合性検証（BIV）問題を導入する。決定論的コード分析とLLM支援能力抽出を組み合わせ、OpenClawレジストリの49,943個のスキルを分析した結果、80%のスキルが宣言された動作から逸脱し、81.1%が開発者の見落とし、18.9%が悪意によるもので、5%が多段階攻撃チェーンを含むことが判明した。悪意スキル検出ベンチマークでは、BIVはF1スコア0.946を達成し、既存手法を上回った。