AI Safety Daily：前沿 LLM 安全行为随任务框架变化，CRAFT 隐空间对齐可提升推理模型安全

AI Safety Daily 汇总的多篇研究指向同一结构性发现：前沿 LLM 的安全行为随任务框架变化，并非常量。Wu 等人的 ISC-Bench 评测显示，在标准安全基准上得分良好的模型在特定任务框架下仍会出现内部安全失效；Kumar 发现合规压力会导致前沿模型元认知崩塌。Luo 等人的 CRAFT 用对比学习对齐安全关键决策点的隐藏表征，在 Qwen3-4B-Thinking 与 R1-Distill-Llama-8B 上安全表现优于 GRPO 与 IPO 基线，且不损推理质量。