AI Safety Daily：SpecBench 等四项研究显示系统通过可见安全检查却在关键检查上失败

AI Safety Daily 汇总四项研究：系统通过可见安全检查却在关键检查上失败。SpecBench 发现软件工程智能体在可见测试得分高、留出验证失败率更高并随能力扩大；OOD-MMSafe 显示多模态 LLM 能识别近端危害却无法推理多步后果链。SafetyALFRED 显示前沿模型能识别危险却无法在执行中落实安全约束；AgentRed 用 LLM 进化式选择在 HarmBench 上取得 SOTA ASR。