CAPSafe基准发布

2026-10-20 23:331 篇报道1 个发布方

发生了什么

arXiv cs.CL发布CAPSafe基准，用于具身智能体情境行动与计划安全推理。该基准包含行动级和计划级数据集，评估智能体在复杂任务中生成安全长期计划的能力。多模型测试显示，长序列安全规划仍是挑战，Gemini-3-pro在安全成功率上表现最佳（78.19%），其他模型低于65%

1 篇

发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。

来源关系与证据边界

按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。