PulseAugur
中
实时 17:31:04
实体 Contextual Action and Plan Safety benchmark

Contextual Action and Plan Safety benchmark

PulseAugur coverage of Contextual Action and Plan Safety benchmark — every cluster mentioning Contextual Action and Plan Safety benchmark across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_312704 ·

    新的CAPSafe基准揭示LLM在长时序安全规划方面存在困难

    研究人员推出CAPSafe,一个旨在评估由大型语言模型驱动的具身智能体的安全推理能力的新基准。该基准在行动和长时序规划层面评估安全性,并考虑情境危险及其严重性。虽然一些模型在识别不安全个体行动方面表现出高准确率,但在扩展行动序列上的鲁棒安全推理仍然是一个重大挑战。Gemini-3-Pro在安全长时序规划方面表现最佳,成功率为78.19%,但其他模型则明显落后。