लेख में AI एजेंट कौशलों के लिए एक संपीड़ित, स्थानीयता-संवेदी फिंगरप्रिंटिंग विधि का परिचय दिया गया है जो निश्चित 120-बाइट साइनएचर जनरेट करने के लिए मल्टी-बैंक SimHash का उपयोग करती है। क्रिप्टोग्राफिक हैशिंग पर निर्भर रहने के बजाय, जो मामूली संपादन के प्रति संवेदनशील है, यह दृष्टिकोण कौशल के प्रत्येक घटक—प्रॉम्प्ट, कोड और टूल्स—को बिट्स में प्रोजेक्ट करता है ताकि हैमिंग दूरी के माध्यम से तुलना की जा सके।
- फिंगरप्रिंट एकल स्कोर के बजाय प्रति-घटक ट्रिपल संरचना बनाए रखता है, जिससे यह पराफ्रेस, रीनेमिंग और रिफैक्टoring के माध्यम से कौशल-फैमिली पहचान को पुनर्स्थापित कर सकता है, जबकि यह स्थानीय करता है कि कौन सा घटक पुन: उपयोग वहन करता है।
- यह 4,950 पेयरवाइज तुलनाओं पर ROC वक्र के नीचे क्षेत्र (AUC) 0.974 प्राप्त करता है, जबकि उस एम्बेडिंग की तुलना में 77x कम बिट्स का उपयोग करता है जो यह अनुमानित करता है।
- 906-कौशल इंजेक्शन बेंचमार्क पर, फिंगरप्रिंट इंजेक्ट किए गए कौशलों को एक ज्ञात बेस के टैम्पर्ड कॉपी के रूप में पहचानता है और परिवर्तन को स्थानीय करता है।
लेखकों का तर्क है कि यह विधि एक कौशल रजिस्ट्री के लिए वंश और संरचनात्मक पहचान प्रदान करती है, जो सुरक्षा निर्णय के बजाय व्यवहारिक सत्यापन के पूरक के रूप में पहचान संकेत के रूप में कार्य करती है।