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