以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
As multimodal large language models (MLLMs) become increasingly integrated into everyday life, their ability to provide safe and reliable assistance in realistic daily activities remains insufficiently explored. Existing safety benchmarks primarily focus on isolated harmful requests or adversarial scenarios, overlookin
阅读原文 · Xuankun Rong, Xinhao Deng, Wenzhang Jiang, Ziheng Peng, Siyuan Liang, Wenke Huang, Pablo Arbelaez, Mang Ye
向阳乔木 · opencode-go/deepseek-v4.1-flash
多模态大模型正在进入日常生活,但我们对它在“普通任务进行到一半时会不会出事”这件事,几乎还没有系统评估。 DailySafe 这篇论文就盯住这个缺口:用户本来在完成一个正当目标,对话一轮轮推进,图片一张张补充,风险线索是慢慢浮现的。模型要能跟住任务状态,识别出隐含的上下文风险,同时继续把忙帮好。作者给这种能力起了个名字,叫 Dynamic Safety Aw...