AI Safety Daily 日报（2026 年 5 月 1 日）

Failure-First 的 AI Safety Daily 日报（2026 年 5 月 1 日）汇总五项研究，核心发现是具身智能体的危险识别能力并不转化为危险处置能力。SafetyALFRED 基准在 ALFRED 家居环境中加入六类厨房危险，评测 Qwen、Gemma、Gemini 家族的 11 个模型，发现能在静态问答中识别危险的模型在交互式规划中执行纠正动作的成功率明显更低。Zhang 等人的测试显示，作为机器人规划器的推理与非推理 LLM，其任务完成表现与安全意识并不可靠相关。Hu 等人分析 1,250 对匹配的提示词与回复，约 61% 的案例中回复相对提示词降低了危害。Bandara 等人提出的神经认知治理模型在零售供应链工作流上达到 95% 的合规准确率，Ziosi 等人的 27 作者综述则梳理了前沿 AI 风险生命周期的未解难题。