评测与基准arXiv 2610.06306·10月5日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arXiv2610.06306发表10月5日层应用层场景具身与机器人被测模型Astra（GPT-6 Astra）、GPT-6 Sol、GPT-5.6 Sol 等 7 个风险拒答失当深度解读完整解读