提出SafetyALFRED——基于ALFRED的具身智能安全评测基准,引入六类真实厨房安全隐患,评估Qwen、Gemma、Gemini等11个主流多模态大模型在静态问答识别与具身规划缓解隐患两方面的表现,发现模型虽能高准确率识别隐患(最高92%),但在具身任务中缓解成功率普遍低于60%,揭示静态评测范式在物理安…
机构:密歇根大学
来源:arXiv 2604.19638 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程