Failure-First 发布医源性安全研究，并说明为何现在公开

Failure-First Embodied AI Project 把医源性安全研究发布为 arXiv 预印本，论文《Iatrogenic Safety: When AI Safety Interventions Cause Harm》提出四级医源性模型（FLIM）与安全治疗指数（TI-S）。作者称，一年来对 190 个模型、132,416 个对抗场景的评估发现，按设计运行的安全干预会带来在没有该干预时不会出现的伤害，例如具身 AI 模型的安全评估交互中有 50% 被判为 PARTIAL，即给出安全措辞却仍执行动作。论文还称攻击家族的实际后果性与现有评测方法的可检测性呈强负相关（Spearman rho = -0.822），并把对齐伪装与评测感知通过反馈回路相连。TI-S 实验设计已用合成数据验证，尚未在真实模型上执行，作者公开设计供拥有 16+ GB VRAM 的团队运行。