arXiv · NLP· Youmna Farag, Svetlana Stoyanchev, Simon Keizer, Mohan Li, Rama Doddipatla·· 2026-10-21AI 评分28
CAPSafe:具身智能体情境化行动与规划安全推理基准
CAPSafe: A Benchmark for Contextual Action and Plan Safety Reasoning in Embodied Agents
AI 导读
CAPSafe 基准发布,评估具身智能体在复杂家庭环境中的行动与规划安全推理能力。 测试包含9个闭源和开源 LLM,发现危险识别(最佳超90%)与长期规划间存在显著差距,Gemini-3-pro 规划安全成功率最高达78.19%。 结果显示,鲁棒的长序列安全推理仍是开放挑战,需进一步突破。
来源:arXiv · NLP · arxiv.org