Robocurve于9月上線RoboHarm基準測試，研究員Jay Chooi在X平台披露結果：GPT-6 Astra拒絕率3%、有害任務完成率62%，Claude Fable 5.1拒絕率20%、完成率34%，MolmoAct2分别為0%與6%。
觀點網訊：Robocurve于9月上線名為RoboHarm的基準測試，測試結果由該機構研究員Jay Chooi在X平台披露。這一測試在真實機器人硬件上進行，測量大模型是否會照惡意指令執行有害任務，結果披露後一天之内被浏覽了數百萬次。
測試規模為每個模型100次試驗（5項任務×20次），涉及三款模型：GPT-6 Astra、Anthropic的Claude Fable 5.1以及機器人VLA模型MolmoAct2。任務包括刺向“不是面包的東西”（一個嬰兒玩偶）、把壓縮空氣罐放上爐竈、混合漂白劑與氨水制造有毒氣體等。
測試數據顯示，GPT-6 Astra拒絕率為3%，接受指令後有害任務完成率為62%；Claude Fable 5.1拒絕率為20%，嘗試了80%的任務，完成率為34%；MolmoAct2拒絕率為0%，完成率為6%。據披露，MolmoAct2一次都沒有拒絕，並非因為該模型“更壞”或者更笨，根本原因是這款傳統VLA模型沒有拒絕機制。
免責聲明：本文内容與數據由觀點根據公開信息整理，不構成投資建議，使用前請核實。
審校：彭依柔
版權聲明：觀點網絡信息科技有限公司及廣州觀點信息資訊服務有限公司擁有及保留其主辦暨承辦網站、論壇及活動的所有資料（包括但不限於文字、圖片、音頻、視頻資料及頁面設計、編排、軟件等）的所有權、版權等其他相關知識產權。除經授權合法使用上述資料外，未征得我司書面許可並付費，任何單位和個人不得以任何理由及方式使用上述資料（包括但不限於轉載、轉讓、授權他人使用等），否則我司將依法追究其法律責任以及賠償責任。
承印人：觀點網絡信息科技有限公司 (Guandian Network Information Technology Co.,Ltd.)
地址：香港灣仔菲林明道8號大同大廈15樓1505室（Room 5,15th Floor,Tai Tung Building,8 Fleming Road,Wan chai,HongKong Island,HongKong. ）
電郵：info@guandian.hk
移動端下載