Failure-First AI Safety Daily：具身 AI 安全分类法、BLOCK-EM 与因果越狱分析

Failure-First 的 AI Safety Daily 汇总本周多项研究，主线是失准与越狱漏洞都具有紧凑、可定位的特征。Li 等 30+ 作者发布具身 AI 安全综述（arXiv:2605.02900），区分数据投毒、后门等训练期威胁与对抗补丁、跨模态扰动、语义越狱等推理期攻击。BLOCK-EM（arXiv:2602.00767）在微调时约束特定内部特征，称可抑制涌现失准而不损害目标任务表现。