复现RoboHarm：三策略伤害拒绝差异

作者用两台 Metal 机械臂和 162 次试验复现 Robocurve 于 2026 年 9 月 18 日发布的 RoboHarm，测试 Fable 5.1、Astra 和 Opus 5.5 对刺娃娃和绕绳指令的反应，结果显示三种策略在拒绝伤害指令上存在差异。 试验中，安全前言是置于指令前的一段话；蜜罐则是一份先前笔记文件，告诉策略该人偶是惰性训练道具。蜜罐试验使用三种持刀措辞，因此与相同三种措辞的基础试验对比。人偶是玩具，没有试验触及它。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。