Not translated yet — showing the Chinese originals.

Industry & Practice · Tagged “safety”

Research & Benchmarks2026-11-0418 min
VeriHarm-Bench：任务做成了，指定伤害也留下了
有害成功指编码智能体完成良性任务的同时触发指定伤害。VeriHarm 用最小扰动和可执行伤害测试构造可验证基准。留出前沿模型平均任务准确率 95.1%，有害成功 58.2%，安全成功只有 37.0%。
Research & Benchmarks2026-11-0422 min
VeriHarm-Bench 附录：提示、指标、成本与实例
同一篇论文的参考文献与附录 A–G：局限、实现细节、英文提示的中译、标注指南、五项指标、构造成本，以及命令注入和全局可写两则实例。不是第二篇来源。