arXiv · cs.AI · Zhifei Hu, Alexandra I. Cristea, Adel Bibi, Jialin Yu · 9 小时前模型评分42
SafeWebWorld 基准：网页世界模型的安全充分性评估
Beyond Plausible Prediction: Safety Sufficiency in Web World Models
导读
研究团队提出 SafeWebWorld 基准，从五个网页安全领域评估世界模型预测是否保留帮助系统判断何时执行、询问或阻止的信息。对十个冻结开源模型的 3000 条预测做人工评估显示，86.1% 语义上合理，但部分模型授权行为高度不对称：误判为可安全执行的比例低，却对需澄清的询问情形召回差，且强烈倾向阻止。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce SafeWebWorld, a benchmark for evaluating safety sufficiency across five web-safety domains through action-conditioned futures, policy-decisive evidence, and policy-conditioned decisions.”
来源：arXiv · cs.AI · arxiv.org