arXiv ID:
2606.29685
arXiv 提交日期: 2026-06-29
CAREBench:面向语言模型的儿童安全风险基准测试 / CAREBench: A Child-Safety Risk Benchmark for Language Models
1️⃣ 一句话总结
本文提出了一个名为CAREBench的基准测试,通过涵盖12种风险类别的500个测试提示,评估AI语言模型在儿童安全方面的表现,重点关注模型能否在潜在伤害(如情感操控、欺骗、隐私侵犯等)变得明显之前,主动识别并阻止风险,而不仅仅是检测已有的虐待内容。