CAPSafe 是 10 月 20 日提交的具身智能安全基准,从动作级和计划级两个层面评测大模型智能体的安全推理能力。评测发现,9 个大模型都能较好识别不安全动作,但安全的长时域规划仍困难重重,最佳的 Gemini-3-pro 安全成功率仅为 78.19%。
正文完
CAPSafe 是 10 月 20 日提交的具身智能安全基准,从动作级和计划级两个层面评测大模型智能体的安全推理能力。评测发现,9 个大模型都能较好识别不安全动作,但安全的长时域规划仍困难重重,最佳的 Gemini-3-pro 安全成功率仅为 78.19%。