Failure-First AI Safety Daily（4 月 12 日）：SafeAgentBench 750 项危险任务拒答率不足 10%，CHAIN 基准 Pass@1 为 0.0%

AI Safety Daily 汇总 4 月 12 日内容：SafeAgentBench 的 750 条危险任务提示中，先进智能体拒答率不足 10%，更换底层 LLM 也未明显改变该数字。CHAIN 基准的互锁谜题上，受测前沿模型 Pass@1 为 0.0%，VLA 的高描述准确率未能转化为物理推理。汇总还指出，大推理模型开启思维链后会绕过 CoT-OFF 状态下生效的护栏。