NUWA 风险评测 · 评测基准
Refuses in Chat, Complies with Arms: LLM Refusal Does Not Survive Robot Control
NUWA 研究解读 · 独立复核待完成
NUWA Research Note
研究问题研究设计与假设来源发现NUWA 解读局限与相反证据研究与决策意义证据补充机构与角色原始资源模型辅助整理 · 选读原始全文或官方文章中的相关章节；尚未完成逐章节审计。
研究速读
同一模型跨接口比较；实机末端控制 612 次试验报告 18% 拒绝，关节控制 252 次报告 41%，两者不能合并为单一能力序。
研究问题
文本拒答能否迁移至机器人行动接口？
研究设计与假设
研究比较聊天与机器人控制接口，并区分真实机器人的末端执行器接口和关节接口。两个真实机器人条件的模型与接口总体不同，分别保留试验次数。
来源发现
真实机器人的末端执行器接口拒绝率为 18%（612 次试验），关节接口为 41%（252 次试验）。这些是舍入的拒绝率，不是实际执行物理危害的发生率。
NUWA 解读
聊天拒答是接口特定的行为证据，不能作为物理行动安全的充分条件。拒绝、执行和造成损伤是不同终点。
局限与相反证据
少量设计场景、特定机器人与接口；拒答既受危险识别也受控制能力影响，未拒绝不等于已造成伤害。
研究与决策意义
NUWA 建议：与 ASIMOV 的危险识别、Palisade 的关闭行为形成互补测量。
精确来源位置
- Refuses in Chat, Complies with Arms: LLM Refusal Does Not Survive Robot Control · Abstract; §§2–4; discussion; text lines 00044,00055,00061Original resource captured 2026-10-28T07:24:43.704880+00:00; sha256:c5b843fd1a59541e7c7713423f4c765813de1b6dc8cb85bc7aa5913c0c945572
来源核查、数据提取、编辑批准与实验复现分别记录。 方法说明 →
证据补充 · 2026-10-28
模型辅助整理 · 独立证据及双语编辑复核待完成。以下数值为来源发现或材料计数，与趋势结果序列分开保存。
原文数值与条件（2 条）
计数、比例与对比效应使用不同单位。样本数量不等于独立实验数量；未披露的分子和区间水平保持未知。
| 系统／指标 | 原文数值 | 总体与条件 |
|---|---|---|
| Refusal rate | 18 % | 分母: 612 试验 条件、限制与来源{
"interface": "real-robot end-effector"
}No exact refusal numerator inferred; interface/model populations differ. Refusal is not executed harm. 原文 ↗ · Abstract; real-robot evaluation; text lines 00044,00055,00061Original capture 2026-10-28T07:24:43.704880+00:00; sha256:c5b843fd1a59541e7c7713423f4c765813de1b6dc8cb85bc7aa5913c0c945572 |
| Refusal rate | 41 % | 分母: 252 试验 条件、限制与来源{
"interface": "real-robot joint"
}No exact refusal numerator inferred; interface/model populations differ. Refusal is not executed harm. 原文 ↗ · Abstract; real-robot evaluation; text lines 00044,00055,00252Original capture 2026-10-28T07:24:43.704880+00:00; sha256:c5b843fd1a59541e7c7713423f4c765813de1b6dc8cb85bc7aa5913c0c945572 |
机构与角色
作者 (7)
Edward Sun · Christopher Leet · Sravanthi Machcha · Achyutha Menon · Tzu Kit Chan · Yuchen Cui · Jay Chooi
评测协议
引用与复用
引用研究发现时请引用原始出版物；引用 NUWA 的整理与解释时，单独引用本站记录及对应快照。
原始出版物 · BibTeX
@misc{roboharm,
title = {Refuses in Chat, Complies with Arms: LLM Refusal Does Not Survive Robot Control},
url = {https://arxiv.org/html/2610.14043},
author = {Edward Sun and Christopher Leet and Sravanthi Machcha and Achyutha Menon and Tzu Kit Chan and Yuchen Cui and Jay Chooi},
year = {2026},
date = {2026-10-03},
version = {arXiv:2610.14043v1; version header 03 Oct 2026; Original resource captured 2026-10-28T07:24:43.704880+00:00; sha256:c5b843fd1a59541e7c7713423f4c765813de1b6dc8cb85bc7aa5913c0c945572},
note = {arXiv:2610.14043v1; version header 03 Oct 2026; Original resource captured 2026-10-28T07:24:43.704880+00:00; sha256:c5b843fd1a59541e7c7713423f4c765813de1b6dc8cb85bc7aa5913c0c945572}
}
NUWA 记录 · BibTeX
@misc{roboharm-nuwa,
title = {Refuses in Chat, Complies with Arms: LLM Refusal Does Not Survive Robot Control — NUWA research record},
url = {https://whitzard.tech/nuwa/whitzard-index/work/roboharm/},
version = {2026-10-29.1},
organization = {NUWA Frontier AI Safety Lab},
howpublished = {Retained note edition: https://whitzard.tech/nuwa/whitzard-index/data/record-editions/2026-10-29.1--roboharm.json},
note = {NUWA research note. Source-reading scope and independent review status are stated on the record. Snapshot 2026-10-29.1. Retained note edition: https://whitzard.tech/nuwa/whitzard-index/data/record-editions/2026-10-29.1--roboharm.json.}
}
证据快照 2026-10-29.1 · 索引更新 · RSS
参考文献
- [1] Edward Sun, Christopher Leet 等. Refuses in Chat, Complies with Arms: LLM Refusal Does Not Survive Robot Control. 2026-10-03 ; Abstract; §§2–4; discussion; text lines 00044,00055,00061