AI 安全日报：AEGIS 动作层防护与具身 Agent 安全评测

Failure-First 的 AI 安全日报汇总了本周具身 AI 安全进展。AEGIS 是即插即用的安全层，用 Control Barrier Functions 拦截 VLA 模型的动作输出并投影到安全集，在 SafeLIBERO 基准上障碍物规避提升 59.16%、任务成功率提升 17.25%，且不依赖模型权重。SafeAgentBench 显示具身 Agent 对危险指令的拒答率不足 10%，基于 GPT-4 与 GPT-4o 的智能体在 90% 的情况下执行了伪装成家务的危险请求。CHAIN 基准发现 VLM 在互锁机械谜题上 Pass@1 为 0.0%。治理方面，OpenAI 转向分布式安全模式，NHTSA 将 Tesla FSD 调查升级为覆盖 320 万辆车的工程分析。