**AI代理安全新突破：SafeKeep有效缓解工具规格引发的安全风险**

_Tool Specifications Matter: Uncovering and Mitigating Safety Risks in AI Agents_

> 研究发现AI代理中schema格式的工具规格会削弱模型内部拒绝信号，导致安全性显著下降。研究者提出SafeKeep防护机制，通过将安全判断与工具执行解耦，在推理时评估请求，使有害请求拒绝率从23.8%提升至70.6%，攻击成功率从25.6%降至2.5%，同时保持任务处理能力。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-08-03 23:37（北京时间）
- **原文**：[打开原文](https://arxiv.org/abs/2607.29254)