arXiv · AI· Zhifei Hu, Alexandra I. Cristea, Adel Bibi, Jialin Yu·· 2 小时前AI 评分25
研究提出 SafeWebWorld 基准，指出 Web 世界模型中合理预测不等于安全充分
Beyond Plausible Prediction: Safety Sufficiency in Web World Models
AI 导读
在包含 3,000 个预测的十模型人类评估中，86.1% 的预测被判定为语义上合理，但多个模型在授权行为上存在显著不对称，表现为低误放行率、对可澄清 ASK 案例的低召回率以及对 BLOCK 的强烈偏好。
来源：arXiv · AI · arxiv.org