**SkillSpec：面向智能体技能正确性的意图掩码规范推理框架**

_SkillSpec: Intent-Masked Specification Reasoning for Agent Skill Correctness_

> 针对可复用智能体技能中自由文本指令与异构资源捆绑导致的隐性语义缺陷，研究者提出Hoare风格框架SkillSpec，将技能正确性建模为规范推理问题：把技能仓库转化为对齐描述、指令与代码的统一图表示，为每个节点从声明意图推导ExpectSpec、从部分披露意图下的编码行为推断FactSpecs，并用意图掩码调节整体、谱系、邻域与局部视图的访问以平衡上下文偏置与推理不足，再联合推理标记候选缺陷并在隔离沙箱中自动验证。在SkillsBench及高下载仓库的515个真实技能上，SkillSpec在239个技能中识别出763个经人工确认的缺陷，精确率达61.2%。分析显示，规范推理对代码节点稳定可靠，纯文本节点仍是主要瓶颈，且多数缺陷出现在声明意图与实现之间的边界，表明显式规范可为真实智能体生态的技能质量保障提供实用基础。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.06052)