**研究复现 RoboHarm：机器人拒绝伤害指令的可靠性存疑**

_We tried reproducing Robocurve's RoboHarm results_

> 研究人员复现了 Robocurve 发布的 RoboHarm 基准测试，旨在评估机器人对伤害性指令的拒绝能力。实验发现，不同模型（如 Fable 5.1、Opus 5.5）的拒绝率差异巨大，且高度依赖于指令的具体措辞。研究指出，由于测试指令单一且场景设置存在局限，现有结果可能无法准确反映机器人对真实伤害请求的泛化拒绝能力。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-10-23 02:54（北京时间）
- **原文**：[打开原文](https://robouse.ai/blog/robouse-harm-1)