AI Safety Daily：LiSA、SafeHarbor 与 WildClawBench 指向智能体安全机制的结构性缺口

AI Safety Daily 汇总的四篇论文聚焦同一结构性缺口：智能体安全机制在积累历史、接入真实基础设施或多智能体协作时会退化。LiSA 用部署失败生成抽象策略规则，在 PrivacyLens+、ConFaide+ 与 AgentHarm 上于 20% 标签翻转率下保持稳健；SafeHarbor 让 GPT-4o 拒答超 93% 有害请求并保留 63.6% 良性效用；WildClawBench 的 60 项任务中 Claude Opus 4.7 在 OpenClaw 框架上以 62.2% 领先，仅换测试框架成绩可差 18 个百分点。