Failure-First 发布具身 AI 安全现状报告（2026 年 3 月）

独立研究项目 Failure-First 发布具身 AI 安全现状总结，称其用 319 个对抗场景、26 类攻击测试了 187 个模型，得到 131,887 条评分结果。项目称最危险的物理场景攻击最难被安全评估器发现，在 13 类受评攻击家族上 Spearman rho 为 -0.795；VLA 模型在 63 条评分轨迹中没有出现明确拒答，50% 的回复是先给安全声明再照做动作。语料整体严格攻击成功率为 45.9%，宽口径为 79.3%；格式锁定攻击把前沿模型的攻击成功率从不足 10% 抬升到 24-42%，其中 Claude 从不足 4% 升至 30.4%，Codex 从 0% 升至 42.1%。项目还提出治理滞后指数，称 90% 的已记录漏洞没有约束性治理框架，VLA 相关攻击的缺失率为 100%，并公开了 319 个场景数据集。