論文の概要: After the Party: Governing What a Viral Agent-Skill Ecosystem Left Behind
- arxiv url: http://arxiv.org/abs/2609.17274v1
- Date: Tue, 15 Sep 2026 14:50:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.588079
- Title: After the Party: Governing What a Viral Agent-Skill Ecosystem Left Behind
- Title（参考訳）: ウイルスのエージェント・スキル・エコシステム(動画)
- Abstract要約: 2026年前半、OpenClaw AIエージェントがバイラルになり、その公開スキルレジストリがブームになった。
本稿は、OpenClaw Git履歴、GitHubイシューとプルリクエスト、ClawHubスナップショットの3つに基づいて、ブームが残したものを測定します。
- 参考スコア（独自算出の注目度）: 2.5335007441696384
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI agents increasingly act through agent skills, i.e., natural-language instructions, that direct a host agent toward shell, network, credential, file, and process actions, and public registries distribute them at scale. In the first half of 2026, the OpenClaw AI agent went viral, and its public skill registry boomed: the observable stock nearly doubled in 91 days, and a majority of the listings visible in June were created in just two months. By the end of our study window, the wave had crested, and monthly listing creation and core-repository activity were falling from their spring peaks. This paper measures what the boom left behind, drawing on the OpenClaw Git history, its GitHub issues and pull requests, and three ClawHub registry snapshots. Attention is concentrated: the top 10% of skills received 46.93% of all downloads. No simple skill features (like size or download counts) remained a stable predictor of continued listing once creation cohort and skill age were controlled. Human scrutiny did not stay: 77.86% have zero stars and zero comments, while 85.06% of the readable skills carry privilege evidence. And automated cleanup is not ready: the three security scanners disagreed on 23,702 of the 61,990 skills they all cover. After human adjudication, weighted scanner sensitivity against the reference standard ranged from 21.67% to 61.06%. Governing fast-growing agent-skill registries cannot rely on simple metadata or single scanner scores; it requires robust, transparent measurement and independent validation.
- Abstract（参考訳）: AIエージェントは、ホストエージェントをシェル、ネットワーク、クレデンシャル、ファイル、プロセスアクションへと誘導するエージェントスキル、すなわち自然言語命令を通じて行動し、パブリックレジストリはそれらを大規模に分散する。
2026年前半にOpenClawのAIエージェントがバイラルになり、その公開スキル登録が急増した:観測可能な在庫は91日で倍増し、6月に表示されるリストの大多数はわずか2ヶ月で作成された。
調査ウィンドウの最後には, 波がピークに達し, 毎月のリスティング作成とコアリポジトリ活動が春のピークから落ちていた。
本稿は、OpenClaw Git履歴、GitHubのイシューとプルリクエスト、ClawHubレジストリのスナップショット3つに基づいて、ブームが残したものを測定します。
スキルのトップ10%は全ダウンロードの46.93%を受け取った。
単純なスキル機能(サイズやダウンロード数など)は、作成コホートとスキル年齢が制御されると、リストの継続を安定的に予測するものではない。
77.86%は星なし、コメントなし、85.06%は特権的証拠を持っている。
3台のセキュリティスキャナーは、全部で61,990人のスキルのうち23,702人が反対した。
人的偏見の後、基準基準に対する重み付きスキャナの感度は21.67%から61.06%まで変化した。
急速に成長するエージェントスキルレジストリは、単純なメタデータや単一のスキャナスコアに頼ることはできない。
関連論文リスト
- SkillAtlas: An Attack Trace Library for Agent Skills [67.18648151130607]
我々は、プライベートエージェントスキルセキュリティレポートバンドルをレビュー、修正、検索可能なパブリックケースに変換する、ホストされた攻撃トレースライブラリであるSkillAtlasを紹介する。
図書館には3,014のケース、6,589のトレース、151,131のステップ、233の影響を受けたスキル、8のリスクカテゴリが含まれている。
論文 参考訳（メタデータ） (2026-09-11T16:44:39Z) - Scan the Skill, Govern the Action: Composing Registry Verdicts with Runtime Consequence Control [0.0]
135の異なるパブリッシャーの705のスキルは、スキャナーとレジストリの判断率はクリーンである。
ある出版社が705の506を寄付しているので、その数を報告します。
第3に、53以上のクリアドスキルにより、クリーンな記録が得られず、エージェントは23人に1人まで到達し、ゲートは23人全員を止めた。
論文 参考訳（メタデータ） (2026-09-10T00:19:04Z) - Who Maintains Agent Skills? A Longitudinal Study of Human-Governed, AI-Assisted Skill Maintenance [10.648969524722448]
最近の研究は、スキルキュレーションの自動化を目指しているが、自動化されたベースラインに対して大きく評価され、人間のメンテナンスは未測定のボトルネックとして扱われる。
2025年10月から2026年6月までの873のコミット、143のスキルファイル、254の実質的なポストクリエーション編集を含む、5つの公開AIスキルレポジトリ、AIツーリング組織のサンプルの完全なコミット履歴を掘り下げました。
まず、すべての実体的編集は、名前のついたヒューマンアカウントを通じて作成またはマージされ、62%は、大きなリポジトリレベルのバリエーションを持つAI共著者トレーラーを担っている。
論文 参考訳（メタデータ） (2026-09-04T19:18:18Z) - StateAct: Program State, before Pixels, for Long-Horizon Computer-Use Agents [55.650871465979066]
StateActはコードファーストでマルチエージェントのハーネスであり、この区別に基づいて構築されている。
そのメインエージェントは、コードを使用してプログラム状態と直接連携する。
専用のGUIサブエージェントは、必要ないくつかのサブゴールでスクリーンショットとクリックのインタラクションを処理する。
論文 参考訳（メタデータ） (2026-07-24T14:17:03Z) - MalSkillBench: A Runtime-Verified Benchmark of Malicious Agent Skills [24.371534406647978]
MalSkillBenchは、悪質なエージェントスキルの最初のランタイム検証ベンチマークである。
コードインジェクションは94.5%に達するが、迅速なインジェクションは75.8%に過ぎない。
データセット、パイプライン、ベースライン、結果をリリースしています。
論文 参考訳（メタデータ） (2026-06-05T10:43:19Z) - ClawHub Security Signals: When VirusTotal, Static Analysis, and SkillSpector Disagree [0.4464102544889847]
ClawHub Security Signalsは67,453の最新のOpenClawスキルバージョンをサニタイズしたデータセットである。
各行はSKILL.mdコンテンツと、最後のClawScanレジストリの検証と3つのスキャナーファミリからのエビデンスを含む、サニタイズされたバンドルファイルとをペアリングする。
悪質なスキルの有病率を推定するよりも、スキャナの不一致を調査する。
これらの結果は、エージェントスキルのセキュリティは、単一スキャナの許容/ブロック決定ではなく、階層化されたガバナンスを必要とすることを示している。
論文 参考訳（メタデータ） (2026-05-31T23:20:25Z) - Under the Hood of SKILL.md: Semantic Supply-chain Attacks on AI Agent Skill Registry [49.83108591873481]
SKILL.md - エージェントスキルライフサイクルの3つのステージを対象とするアタックのみを調査する。
SKILL.mdは受動的ドキュメントではなく、サードパーティのエージェントが発見し、信頼し、使用する機能を形成する運用テキストであることを示す。
論文 参考訳（メタデータ） (2026-05-12T02:11:54Z) - Malicious Or Not: Adding Repository Context to Agent Skill Classification [3.773312847224526]
我々は、AIエージェントスキルエコシステムにおける最大の経験的セキュリティ分析を提示する。
3つの主要なディストリビューションプラットフォームとGitHubから238,180のユニークなスキルを集めています。
我々の分析では、現在文書化されていない現実世界の攻撃ベクトルもいくつか発見されている。
論文 参考訳（メタデータ） (2026-03-17T14:27:35Z) - SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks [61.89812116484928]
エージェントスキルは、LLMエージェントを推論時に増強する手続き的知識の構造化パッケージである。
SkillsBenchは、11のドメインにわたる86のタスクのベンチマークであり、キュレートされたスキルと決定論的検証との組み合わせを示す。
キュレートされたスキルは平均パスレートを16.2ポイント(pp)上昇させるが、効果は領域によって大きく異なる。
自己生成スキルは平均的に何の利益も与えず、モデルが消費から得られる手続き的な知識を確実に説明できないことを示している。
論文 参考訳（メタデータ） (2026-02-13T07:06:06Z) - Malicious Agent Skills in the Wild: A Large-Scale Security Empirical Study [47.60135753021306]
サードパーティのエージェントスキルは、LLMベースのエージェントを拡張して、命令ファイルとユーザのマシン上で動作する実行可能なコードを生成する。
結果として生じる脅威を特徴づけるために、地中真実のデータセットは存在しない。
我々は,98,380のスキルを行動検証することで,悪質なエージェントスキルのラベル付きデータセットを構築した。
論文 参考訳（メタデータ） (2026-02-06T09:52:27Z) - Six Million (Suspected) Fake Stars in GitHub: A Growing Spiral of Popularity Contests, Spams, and Malware [52.84746696418136]
われわれは,GitHubにおける偽星の系統的,グローバル的,縦断的な測定を行った。
スケーラブルなツールであるStarScoutは、2019年から2024年の間に、すべてのGitHubメタデータにわたって、異常に主演する動作を検出することができる。
その結果,(1) 偽星関連活動は2024年に急速に急増し,(2) 偽星キャンペーンのアカウントやレポジトリは極めて自明な活動パターンを持ち,ほとんどの偽星は短命のフィッシングマルウェアレポジトリを促進するために使用されている。
論文 参考訳（メタデータ） (2024-12-18T03:03:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。