arXiv 发布 SafeWebWorld：评测网页世界模型安全充分性
原文标题：Beyond Plausible Prediction: Safety Sufficiency in Web World Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究指出网页世界模型预测的未来虽看似合理，却未必支撑正确的安全决策：3000 条预测中 86.1% 语义合理，但多个模型在授权判断上高度不对称，倾向 BLOCK 且漏判需澄清的 ASK 情形。作者提出 SafeWebWorld 基准与潜在授权恢复（LAR）方法，发现证据保留、聚合可恢复性均不足以保证细粒度授权行为稳健。
- 问题
- 网页世界模型预测的未来看似合理，却未必支撑正确的安全授权决策。
- 方法
- 提出 SafeWebWorld 基准，从动作条件未来、策略决定性证据与策略条件决策三方面评测，并用潜在授权恢复（LAR）定位退化来源。
- 结果
- 3000 条预测中 86.1% 语义合理，但多模型漏判需澄清的 ASK 情形、强烈偏向 BLOCK；证据保留提升时授权敏感决策反而变差。
- 影响
- 世界模型「预测得像」不等于「决策安全」，网页智能体的安全评测必须单独考察授权判断而非仅看合理性。
深读 · 结论先行AI 生成展开看要点与影响 ↓
3000条网页世界模型预测86.1%语义合理，但授权判断明显偏向BLOCK
- •人类评估覆盖十个冻结开源模型的3000条预测，86.1%被判语义合理
- •多个模型呈现高度不对称授权行为：低误放行，但对需澄清的ASK情形召回差
- •作者提出SafeWebWorld基准，覆盖五个网页安全域，按EXECUTE/ASK/BLOCK三档评估
- •安全对齐微调可提升证据保留，但授权敏感决策反而变差
- •潜在授权恢复（LAR）显示冻结分数重校准可部分恢复，且依赖底座模型
为什么重要：指出「预测未来合理」不等于「能做出正确安全决策」，对用世界模型做网页智能体放行判断的团队是直接警示。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。