Agent Safety Is Action Alignment

作者批评把聊天机器人时代的拒答训练直接搬到 agent 安全中，因为 agent 已经能代表用户调用工具、转移资金、删除记录和发送消息。论文提出 action alignment：每个模型发出的动作都要与用户授权和上下文意图一致。它把“安全”从输入过滤转成动作级授权问题，也解释了为什么简单 capability gate 会带来能力损失却仍不能覆盖真实风险。