SoK: Agentic Skills
系统梳理大语言模型智能体中超越工具调用的可复用技能。
博士研究生 · Casual Academic · UTS CybeR Lab
李德龙
我的研究聚焦机器遗忘、智能体安全、隐私保护推理与模型更新审计，关注自适应 AI 系统如何在持续演化的同时保持可信。
研究方向
我关注 AI 系统在现实的安全、隐私与治理约束下如何更新、部署与评估。
研究理念
AI 系统应当能够持续演化，同时保持可审计、可解释与可治理。
我的工作涵盖机器遗忘、隐私保护推理、智能体安全与模型更新审计，重点研究如何评估系统变化、解释其影响，并为实际部署提供可靠依据。
可验证的模型更新
研究模型适配与机器遗忘，并评估系统更新带来的实际影响。
面向部署的隐私保护
结合联邦学习与边云协同场景，研究可实际部署的隐私保护方法。
基于证据的可信评估
结合安全分析、实证评估与审计记录，检验系统在实际环境中的表现。
论文成果
围绕机器遗忘、智能体安全、隐私保护推理与模型更新审计的代表性论文。
代表性论文
精选 2 篇
SoK: Agentic Skills -- Beyond Tool Use in LLM Agents
系统梳理智能体技能的完整生命周期，并从封装、表示、执行、评估与治理风险等维度提出统一分类框架。
智能体系统
技能
治理
A Survey of LoRA-based Machine Unlearning for LLMs: Methods, Taxonomy, and Evaluation
综述基于 LoRA 的大语言模型机器遗忘方法，并从适配器空间出发构建统一的分类与评估框架。
机器遗忘
LoRA
综述
研究交流与合作
欢迎联系
欢迎就机器遗忘、智能体安全、隐私保护推理和可审计 AI 与我交流或探讨合作。
机器遗忘
智能体安全
可审计 AI