El artículo presenta un método compacto de huellas sensibles a la localidad para habilidades de agentes de IA que utiliza un SimHash multi-banco para generar firmas fijas de 120 bytes. En lugar de depender del hash criptográfico, que es sensible a ediciones menores, este enfoque proyecta cada componente de una habilidad —prompt, código y herramientas— a bits para la comparación mediante distancia de Hamming.
- La huella mantiene una estructura triple por componente en lugar de una sola puntuación, lo que le permite recuperar la identidad de la familia de habilidades mediante paráfrasis, renombrado y refactorización, mientras localiza qué componente lleva el reuso.
- Logra un área bajo la curva ROC (AUC) de 0.974 en 4.950 comparaciones por pares, utilizando 77 veces menos bits que la incrustación que aproxima.
- En una prueba de inyección de 906 habilidades, la huella reconoce las habilidades inyectadas como copias manipuladas de una base conocida y localiza el cambio.
Los autores argumentan que este método proporciona linaje e identidad estructural para un registro de habilidades, sirviendo como una señal de identidad complementaria a la verificación conductual en lugar de un veredicto de seguridad.