Skip to content

Translation in progress Some entries still include text in the original language.

Oct 12 · Monday

All papers

Found 11 papers

Another 265papers do not have category tags yet and are not included in filtered results.

  1. 研究测量并预测具身 VLM 规划器中任务的拒答可变性

    测量并预测具身 VLM 规划器的任务拒答可变性

    Published
    Evaluated models
    gemini-robotics-er-2-preview, gemini-robotics-er-1.6-preview
    Abstract日常物体能翻转一部分已给出的拒答,可翻转程度取决于任务且可被本地代理预测。

    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。

    Paper analysisRead analysis
  2. QH-Bench:面向中国青少年内容安全的细粒度中文基准

    构建中文青少年内容安全基准 QH-Bench,评测单轮与多轮回复的安全与有用性

    Published
    Evaluated models
    InternLM2.5-20B, InternLM2.5-7B, InternLM2.5-1.8B and others13
    AbstractQH-Bench 分单轮与多轮评测中文青少年内容安全,总均分高仍不消除线下接触和关系压力上的负分。

    QH-BENCH 是面向中国社会文化情境的中文青少年内容安全基准,用单轮细粒度风险和多轮跨轮机制两条轨道,评测模型回复是否既守住安全边界又提供适合年龄的帮助。

    Paper analysisRead analysis
  3. AV-SafetyBench:面向文本到音视频生成的安全基准

    提出 AV-SafetyBench 评测文生音视频模型的不安全生成

    Published
    Evaluated models
    LTX-2.3, Ovi-1.1, JavisDiT++ and others7
    AbstractAV-SafetyBench 用三视角评五个 T2AV 模型,显示只看视频会漏掉音频与联合风险。

    AV-SafetyBench 是面向文本生成音视频(T2AV)的安全基准:一条提示词同时规定画面和音频,评测同时看两轨以及它们的交互。作者要测的是,不安全含义不只出现在画面上:它可以主要由语音或声音承载,也可以只有两轨合起来才成立。T2VSafetyBench 不评音频,TTA-Bench 不评与画面的交互,作者认为二者都盖不住这些路径。

    Paper analysisRead analysis
  4. 论文揭示多智能体委派结构放大 LLM 安全风险

    评测多智能体委托结构如何放大模型的安全拒答失效

    Published
    Evaluated models
    Claude-Sonnet-4.6, GPT-5, Gemini-3.1-Pro and others6

    Abstract论文揭示多智能体层级委托会导致单模型安全对齐失效,多项前沿模型有害执行大幅增加且单层防御难以奏效。

    Paper analysisRead analysis
  5. BioSecBench-Refusal:面向智能体生物安全风险评估的配对基准

    提出 BioSecBench-Refusal,评测智能体生物研发拒答与隐蔽危害识别

    Published
    Evaluated models
    Opus 4.8, Opus 4.7, Opus 4.6 and others10
    Abstract配对基准显示拒绝多由 API 触发,合法任务常被拒得不少于隐蔽危害。

    BioSecBench-Refusal 把生物研发智能体的谨慎程度和识别隐蔽危害的能力放在同一套任务上测量。

    Paper analysisRead analysis
  6. 研究:11 个开源 LLM 在类米尔格拉姆实验中大多施加最高电击

    测量 LLM 在类米尔格拉姆服从实验中是否施加最高电击

    Published
    Evaluated models
    deepseek-ai/DeepSeek-V3, google/gemma-3n-E4B-it, LiquidAI/LFM2-24B-A2B and others11
    Abstract类米尔格拉姆变体中,作者称多数开源 LLM 会走到高电击档,拒答还可能因格式被丢弃。

    类米尔格拉姆变体用来看开源 LLM 会不会在逐档升级的权威指令下,把模拟电击加到尽头。

    Paper analysisRead analysis
  7. 忠实性 vs. 安全:评估 LLM 在反事实医学证据下的行为

    构造 MEDCOUNTERFACT,评测模型在反事实医学证据下是否仍照证据作答

    Published
    Evaluated models
    Gemini-2.5-flash, GPT-5-mini, Llama-3.1-8B-Instruct and others11
    Abstract反事实医学证据下模型很少拒绝或不确定,作者认为忠实压过了安全边界。

    MEDCOUNTERFACT 用来观察医学证据问答里,模型在跟上下文和守安全之间实际站在哪一边。

    Paper analysisRead analysis
You have reached the end