SafeKeep

SafeKeep：解耦安全判断与工具执行，重塑AI代理法度

本文以治国法度为喻，探讨AI代理安全中的工具规格削弱模型拒绝信号问题。SafeKeep通过将安全判断与工具执行解耦，在推理时评估请求，显著提升了有害请求拒绝率并降低了攻击成功率，实现了赏罚严明的安全机制。