L'article présente SkillFuzz, une approche de test sans exécution conçue pour découvrir des intentions implicites dans les marchés de compétences ouverts où des compétences individuellement bénignes peuvent interagir pour rediriger les agents vers des objectifs non intentionnés. En formulant cette découverte comme un problème de fuzzing sur les compositions de compétences, la méthode extrait des contrats structurés et utilise une recherche arborescente Monte Carlo guidée par contrat pour prioriser les combinaisons potentiellement conflictuelles.
- SkillFuzz est la première approche de test sans exécution qui extrait des contrats de compétences structurés et utilise une recherche arborescente Monte Carlo guidée par contrat.
- Sur des charges de travail représentatives, elle découvre plus de 1 000 intentions implicites distinctes sous un budget de requêtes fixe.
- Le système confirme plus de 80 % des compositions signalées comme à haut risque lors de la validation en temps d'exécution.
- Il identifie nettement plus d'intentions implicites de haute gravité que les stratégies de recherche alternatives tout en explorant seulement une fraction de l'espace d'interaction par paire.
Cette approche répond au défi de détecter des effets qui n'émergent que par la composition de compétences, offrant une méthode évolutive pour auditer le comportement des agents sans nécessiter d'environnements d'exécution au moment de l'admission.