arXiv · NLP· Zhengyang Tang, Yi Zhang, Chenxin Li, Xin Lai, Pengyuan Lyu, Yiduo Guo, Weinong Wang, Junyi Li, Yang Ding, Huawen Shen, Zhengyao Fang, Xingran Zhou, Liang Wu, Fei Tang, Sunqi Fan, Shangpin Peng, Zheng Ruan, Anran Zhang, Benyou Wang, Chengquan Zhang, Han Hu·· 6 小时前AI 评分43
PhoneSafety：重新思考手机使用智能体的安全评估
Safe, or Simply Incapable? Rethinking Safety Evaluation for Phone-Use Agents
AI 导读
PhoneSafety基准包含700个关键安全时刻，用于区分手机智能体是主动避害还是单纯无能。 评测8个代表性智能体发现，通用能力强不意味着更安全，且“无用动作”是能力信号而非安全信号。 该研究被NeurIPS 2026录用，代码与数据已公开。
来源：arXiv · NLP · arxiv.org