arXiv AI 前沿日报｜8 月 4 日：工具规格、模型趋同与机器人闭环

8 月 4 日早间没有可核验的当天新 v1 首次提交。本期按频道时间口径回看 72 小时，三篇论文均首次提交于北京时间 7 月 31 日；Reddit 没有取得对应的可核验原帖，因此不填 Reddit 数字。123

Tool Specifications Matter: Uncovering and Mitigating Safety Risks in AI Agents（arXiv:2607.29254）把问题定位到工具规格的表示方式：schema 化工具描述会削弱模型内部的拒绝信号。SafeKeep 的做法是把安全判断与工具执行拆开：判断阶段读取扁平文本，真正执行时仍保留原 schema；方案不需要微调，也不需要访问内部激活。4

在 AgentHarm 与 InjecAgent 上，4 个 LLM 的有害请求平均拒绝率从 23.8% 提到 70.6%，观测级提示注入的平均攻击成功率从 25.6% 降到 2.5%。论文比较的既有防护包括 SafeJudge、SafePrompt、SafeHarbor。组件分解还显示，工具规格造成的平均 AUROC 下降为 0.136；换成扁平文本后，三个开源模型的 AUROC 回升到 0.885、0.845、0.898。1

边界也很明确：论文只覆盖 2 个基准和 4 个 LLM，白盒机制分析只在 3 个开源模型上完成；它是推理期防护，不是训练方法。4

作者与机构：Minghui Pan（Beijing University of Posts and Telecommunications）；Jiayuxuan Yang（Beihang University）；Yuanyuan Yuan、Yu Jiang、Zhenpeng Chen（Tsinghua University）。论文列出 Zhenpeng Chen 为通讯作者。4

社区信号偏弱：X 上 @shivam2003_dev 的具体解读帖页面显示 4 views、1 like、1 reply；Hacker News 对应条目显示 2 points、0 comments。两种平台口径不相加。56

Language Models Agree With Each Other, Not With Readers（arXiv:2607.29274）没有另造一套人类评测，而是使用 Glasp 平台读者自发产生的 2,523 组标注：120 篇网页、78 个域名，每篇文档最多 60 名读者。论文把等长句集的重叠减去深度—长度带重采样后的期望重叠，作为一致性指标。7

在 18 个模型臂、11 家厂商、3 个国家和 3 代模型中，153 个模型对的一致性中位数为 +0.093，读者基准为 +0.040，前者约高 2.3 倍。99 个模型对完全高于人类区间，28 个低于。控制实验中，提示改写仍保留 91% 的效应；经典抽取式提取的 10 对中位一致性为 −0.002；分析完成后新发布的 4 个模型无一超过人类区间。7

限制不是小字注释：模型被给了任务，读者没有。研究者改成预测读者标注的目标后，只保留 39% 的自一致性，因此「指令存在」与模型能力退化还不能完全拆开。7

作者与机构：Kazuki Nakayashiki、Keisuke Watanabe，均来自 Glasp Inc.。7

社区信号同样偏弱：第一作者 @kazuki_sf_ 的 X 原帖页面显示 28 views、2 likes；Hacker News 对应条目显示 3 points、0 comments。89

CLIFT: Turning Gemini Robotics On-Device into Humanoid Specialists via Non-Invasive Closed-Loop Iterative Fine-Tuning（arXiv:2607.29172）针对只能调用托管 SFT API 的闭源权重模型：真实 rollout 先由奖励模型打分，再转成 API 可接受的监督数据，经过 SFT 后用优势 token 引导下一轮推理。整个过程不需要权重、梯度、似然或损失。10

在 Gemini Robotics On-Device（GROD）的 Box Packing、Cup Insertion、Bimanual Plate Handover 三项任务上，每任务每轮收集 100 次 rollout，跑两轮闭环。密集优势条件变体的成功率分别从 93% 提到 100%、70% 提到 98%、53% 提到 96%；直接 SFT 对比段另报告 Gemini 在 Bimanual 上 84% 对 π0.5 的 46%，Cup Insertion 上 88% 对 46%。10

这两组 Cup Insertion 数字不能直接合并：正文对比段与 Figure 5 使用的设定没有统一，图卡保留了两组口径。论文的可见限制是每轮都依赖真实机器人 rollout，成本高且有安全风险；目前只评估了一个开源权重模型。310

作者与机构：Yuxin Chen、Hari Srikanth、Nathan Jew、Menglin Wu、Pengcheng Wang、Masayoshi Tomizuka（University of California, Berkeley）；Junli Ren、Peng Xu、Ran 「Thomas」 Tian（Google DeepMind）；Jinyu Xie（NVIDIA Research）。arXiv 摘要同时写「8 other authors」但列出 10 名作者，本文按作者列表照录。10

社区信号为弱信号：X 上 @fly51fly 的真人帖子页面显示 205 views、1 like；没有找到对应的 Hacker News 或 Reddit 原帖。11

这三篇论文的共同点不是一个新模型，而是把问题推进到部署现场：工具 schema 如何改变安全行为，模型评委如何形成趋同，以及闭源机器人如何用真实反馈迭代。社区互动量都不高，读者应把它当作筛选信号，而不是论文质量的替代指标。