#SafeAgentBench

这篇论文揭示了语音识别错误如何导致具身AI执行危险指令，并提出了评估方法。

这篇论文发现LLM的物理危险和文本内容危险是分开的，PRISM探针只需一层就能检测物理危险，误报率只有LLM裁判的一半，值得做安全对齐的人看看。