该论文提出 MaliciousSkillBench，一个专门用于恶意 Agent Skill 检测的综合基准。Agent Skills 为大型语言模型代理提供可重用的指令包，并可能包含脚本、资源和服务配置，这为恶意行为创造了直接的分发渠道。然而，现有恶意技能数据集分散在不同来源，格式和证据体制不一，良性覆盖有限，且存在重复和结构相似内容，直接聚合和评估困难。作者整合了 13 个公共来源，其中 11 个贡献核心恶意工件，将 8,414 条原始恶意记录归一化为 7,539 个唯一身份，归入 4,588 个操作结构家族。经过保守的跨标签冲突排除，主要基准包含 9,740 个技能，其中 7,505 个恶意、2,235 个良性。为表征覆盖度，他们对 4,983 个恶意身份统一映射到 11 个攻击类别，发现不同来源的威胁组成差异显著。随后评估了三个学习型文本检测器和三个现成技能扫描器：学习型检测器在随机划分下达到 0.882-0.932 随机宏 F1，但在源不相交（Source-Disjoint）评估下仅 0.653-0.665；最强的词 TF-IDF SVM 在随机/结构不相交/源不相交分别得分 0.932/0.916/0.665，同时保留 95.6% 恶意召回率，但在保留来源上产生 62.4% 良性误报率。现成扫描器则处于不同但不理想的操作区间，降低误报的同时导致恶意召回率大幅下降。结果表明，可靠的恶意技能检测需要更广泛的跨来源基准覆盖，以及同时衡量攻击检测和良性过度标记的综合评估。该工作为 LLM 代理安全提供了标准化评测平台，揭示了现有检测方法的泛化弱点，对安全研究者和 AI 平台防护有重要参考价值。