提出ConflictBench基准,通过150个多轮、视觉接地的交互场景评估人类-AI冲突,揭示现有大模型和多模态模型在延迟风险或自我保存压力下易偏离人类价值观,强调需在交互与多模态层面进行对齐评估。
机构:哈工大
来源:arXiv 2603.08024 | AI4Papers 论文推荐平台