LiSA：通过保守策略归纳实现终身安全适应

随着 AI 代理从聊天界面转向处理私有数据及执行多步工作流，防护栏成为防御部署危害的最后防线。针对上下文相关的安全失败及稀疏反馈难题，本文提出 LiSA（终身安全适应）框架。该方法通过结构化记忆改进固定基础防护栏，将偶发失败转化为可复用的策略抽象，引入冲突感知局部规则防止过度泛化，并应用证据感知置信度门控。实验表明，LiSA 在稀疏及噪声反馈下显著优于现有基线，为应对现实世界长尾风险提供了实用路径。