随着大型多模态模型（LMMs）的快速发展，智能体能够执行复杂的数字和物理任务。然而，作为自主决策者的部署引入了显著的无意行为安全风险。缺乏全面的安全基准成为一个主要瓶颈，因为现有评估依赖于低保真度环境、模拟API或狭窄范围的任务。为了解决这一问题，提出了BeSafe-Bench（BSB），这是一个用于揭示处于状态的智能体在功能环境中行为安全风险的基准，涵盖了四个代表性领域：Web、移动、具身视觉语...