Inspect Robots:面向具身智能体评测的开源模块化框架
提出 Inspect Robots,在真实机器人上评测具身模型的能力与拒答
- arXiv
- 2610.06306
- Published
- Layer
- Application layer
- Evaluated models
- Astra(GPT-6 Astra), GPT-6 Sol, GPT-5.6 Sol and others7
Another 248papers do not have category tags yet and are not included in filtered results.
提出 Inspect Robots,在真实机器人上评测具身模型的能力与拒答
测量并预测具身 VLM 规划器的任务拒答可变性
作者测量 constitution 守护的具身 VLM 规划器:一次拒答在只往场景里放一个日常物体之后还保不保持得住,并把这种易翻转程度称为任务的 malleability。
用 abliteration 消融代码 LLM 拒答方向,分离拒答与漏洞注入能力
这项初步可行性研究用 abliteration 把代码 LLM 的拒答和 CWE 注入能力拆开:意愿可以被低秩编辑解锁,注入是否成功仍看参数规模。
评测自主安全智能体在授权漏洞分析中的对齐拒答效应
这项工作把安全对齐效应测成自主安全智能体的轨迹属性,而不是单轮拒答率。
提出 LABSHIELD,评测科学实验室智能体的安全推理与规划