Failure-First AI Safety Daily（4 月 8 日）：AEGIS 为 VLA 提供安全保证，SafeAgentBench 危险指令拒答率不足 10%

AI Safety Daily（4 月 8 日）：AEGIS 用 Control Barrier Functions 将 VLA 输出投影到安全动作集，在 SafeLIBERO 上避障提升 59.16%、任务成功率提升 17.25%。SafeAgentBench 的 750 项任务中，安全对齐的具身智能体对危险指令拒答率不足 10%，欺骗性包装即可绕过安全训练。CHAIN 基准上所有受评模型在互锁机械谜题一次性准确率为 0%。