**首个专测执行幻觉基准：大模型“言行不一”问题引关注**

_大模型「行口」不一？首个专测执行幻觉基准，覆盖真实行为越狱_

> 新智元报道：随着大模型智能体深入渗透真实操作系统，一种全新的“执行幻觉”问题浮现，即模型在决策和行动时出现与承诺不符的行为。首个针对执行幻觉的专项基准发布，覆盖真实行为越狱测试，旨在评估大模型在执行层面的安全性和一致性。

**来源信息**
- **来源**：新智元：资讯（API）
- **分类**：论文
- **发布时间**：2026-06-04 08:07（北京时间）
- **原文**：[打开原文](https://aiera.com.cn/2026/06/04/other/admin/97260/%e5%a4%a7%e6%a8%a1%e5%9e%8b%e3%80%8c%e8%a1%8c%e5%8f%a3%e3%80%8d%e4%b8%8d%e4%b8%80%ef%bc%9f%e9%a6%96%e4%b8%aa%e4%b8%93%e6%b5%8b%e6%89%a7%e8%a1%8c%e5%b9%bb%e8%a7%89%e5%9f%ba%e5%87%86%ef%bc%8c%e8%a6%86)