VagueBench 发布：评测具身智能体环境上下文幻觉
原文标题：VagueBench: Benchmarking the Robustness of Embodied Agents on Ambient Context Illusions
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。
研究者提出 VagueBench 基准，基于 AI2-THOR 仿真环境评测具身智能体在指令省略非必要上下文时的鲁棒性，并提出「环境上下文幻觉」现象。该基准含 1303 组指令对，覆盖 4 大类 9 子类语义削减方式。在 6 个先进具身智能体上，任务成功率相对下降 19.65%，空计划率相对上升 54.10%，真实机器人系统同样受影响并带来安全风险。
- 问题
- 具身智能体在指令省略非必要上下文时是否仍能正确执行。
- 方法
- 基于 AI2-THOR 构建 1303 组语义不变但上下文削减的指令对，按四类九子类系统评测。
- 结果
- 6 个先进智能体任务成功率相对下降 19.65%，空计划率相对上升 54.10%。
- 影响
- 真实人类指令常省略上下文，具身产品需把上下文依赖纳入鲁棒性与安全测试。
深读 · 结论先行AI 生成展开看要点与影响 ↓
VagueBench测出6个具身智能体在省略上下文指令下成功率相对降19.65%、空计划率升54.10%
- •基准基于AI2-THOR仿真环境，含1303组指令对，覆盖4大类9子类语义削减方式
- •提出「环境上下文幻觉」现象：任务语义不变但省略非必要上下文时智能体执行失败
- •6个先进具身智能体任务成功率相对下降19.65%，空计划率相对上升54.10%
- •真实机器人系统同样受影响并带来安全风险
为什么重要：现有具身鲁棒性评测偏向危险指令与越狱，这条补上了日常人类沟通中常见的省略式指令缺口，对做家庭/开放环境部署的机器人团队直接相关。
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。