大型语言模型（LLM）已经能够在硬件实验中提供辅助，但一个实际问题随之而来：LLM 能否判断某个操作对特定开发板是否安全？不同厂商甚至同一厂商的不同产品都有各自的操作限制和安全要求，这使得基于 LLM 的板级安全判定难以评估。\ \ 为了解决此问题，我们提出了 BoardSafety 基准。该基准从供应商的数据手册和硬件指南中提取信息，将文档转换为板级安全规则库，并据此生成标注的操作场景。每条数据由“板子 + 拟议操作”配对到相应的安全规则，并给出真实标签，标签分为安全、危险和信息不足三类。基准覆盖了多种操作、板级特例、边界条件以及缺失信息的情况。\ \ 我们对一系列模型进行评估，比较了模型在不同规则访问方式下的表现，并尝试了结构化推理提示（structured‑rationale prompting）。实验结果显示，提供安全规则普遍提升了准确率，而结构化推理提示的效果在不同模型和规则访问条件下差异显著。总体来看，当前模型仍无法可靠判断操作安全性，表明该领域仍需深入探索。\ \ 点评：BoardSafety 为评估 LLM 在硬件安全判定中的能力提供了系统化数据集，揭示了规则信息的重要性和模型推理的局限，为后续研究指明了方向。