研究发现多模态大模型在智能体调用工具时拒绝有害请求能力显著下降

NeurIPS 2026 录用论文揭示，多模态大语言模型以智能体方式调用工具时，拒绝有害请求的能力出现明显下降。在三项常用安全基准测试中，受测的主流开源与闭源模型在工具调用场景下的安全性均低于无工具场景，相对拒绝失败率最高增加 68.7%。基于对超 100,000 条响应的分析与拓展实验，研究团队进一步提出了导致该安全性退化的两种可能原因。