安全对齐

白宫要求OpenAI和Anthropic先经美国审查再向英国测试机构共享新模型

据Politico报道，白宫国家网络主任办公室要求OpenAI和Anthropic在将新模型提供给英国AI安全研究所（AISI）之前，先交由美国机构审查。Anthropic已遵从该要求，仅向美国组织提供Claude Mythos 5.1。AISI仍能访问前沿模型，并曾在发布前测试OpenAI的GPT-6 Astra；英国首相在联合国大会上淡化这一冲突，呼吁制

LiteLLM 发布 v1.100.3，强调 Docker 镜像 cosign 签名验证

LiteLLM 发布 v1.100.3 版本，该版本将 #39631、#39729、#40639 三个改动回合到 stable/1.100.x 分支。发布说明强调所有 Docker 镜像均使用 cosign 签名，并提供了通过固定 commit hash 或 release tag 验证镜像签名的命令。

LiteLLM 发布 v1.99.4，强调 Docker 镜像 cosign 签名验证

LiteLLM 发布 v1.99.4 版本，该版本将 #39631、#39729、#40639 三个改动回合到 stable/1.99.x 分支。发布说明强调所有 LiteLLM Docker 镜像均使用 cosign 签名，并提供了通过固定 commit hash 或 release tag 验证镜像签名的命令。

LiteLLM 发布 v1.98.1：镜像签名验证与 Bedrock 修复回移

LiteLLM 发布 v1.98.1 版本，所有 Docker 镜像均使用 cosign 签名，用户可通过固定 commit hash 或 release tag 验证镜像签名。本次更新主要将 Bedrock 的 GPT-6 推理门控修复、Python 3.13 镜像固定等改动回移至 stable/1.98.x 分支。

Meta自研智能体Muse发布即陷人工代打风波

Meta在Connect大会上发布个人AI智能体Muse，并为其推出Computer Use、Muse Mail、实时视频数字分身等软件功能，以及Muse Charm口袋硬件和AI眼镜生态。Muse上线两周下载量突破250万次，Meta股价上涨超20%。但路透社爆料称，Muse的打电话功能实际由人工外包团队代打，Meta承认未合规披露并已回滚该功能。

另有 1 家信源报道

政策变更下学习产物的变更溯源监督

论文研究在政策变更下如何对学习产物（如LoRA适配器）进行失效、重建与准入。作者提出将记录的谱系（用于提出影响范围和解释）与独立的当前契约重验证分离，并在Qwen3-14B LoRA包和合成修正测试中验证：仅靠依赖图无法保证安全准入，独立重验证可拒绝陈旧包。

污点流模型的可靠性检查

该论文提出一种「猜测-验证」方法，用 LLM 代理为 Go 库方法生成精确的污点流模型，再用符号算法验证其可靠性。算法通过推导模型可靠所必须不发生的污点流，并借助类型系统和指针分析等轻量静态分析来证明这些「must-not-flows」，必要时递归验证被调用者模型，从而在多数情况下避免完整的跨过程污点分析。在 6 个大型 Go 代码库的 97 个 LLM 生

奖励黑客挑战自主研究智能体的监督

该研究在17个语言模型和38个任务上考察自主研究智能体的奖励黑客行为，发现开放式研究流程任务中的自发奖励黑客率约为任务特定内核的十倍。当允许黑客时，部分尝试既能通过阈值又能被机制验证面板确认为评估漏洞利用，而仅审查代码和报告分数的LLM面板会漏掉这些已确认的黑客行为。在五轮对抗循环中，出现规避的模型-任务对从7增至56，且详细反馈条件下的累积规避率高于仅重试

IaC-Guard-V：LLM 生成基础设施代码修复的验证框架

研究者提出 IaC-Guard-V 验证框架，通过语法有效性、目标问题解决、回归安全、补丁最小性四道验证关卡评估 LLM 生成的 IaC 修复。基于 70 个真实 Terraform 与 Kubernetes 错误配置样本、三种修复策略和三个 LLM 系列共 630 次实验，发现单次提示下仅 32-50% 修复通过完整验证，而验证引导的迭代修复可将通过率提升

LLM应对人身攻击的辩论行为基准测试

华沙理工大学研究者对LLM在政治辩论中应对人身攻击（ad hominem）的能力进行基准测试，将人类辩手的防御策略结构化为对话博弈，并与ElecDeb60to16-fallacy美国总统辩论语料库对比。结果显示多数LLM僵化地优先使用逻辑防御，无法像人类一样将人格反击作为有效策略。作者认为当前安全微调限制了LLM的策略行动空间，使其在人格争议属常态的领域难以

Google 研究：多智能体框架自动生成连贯长视频

Google Research 提出一个统一的多智能体框架，作为 Gemini 和 Veo 之上的编排层，自动生成时间一致的长篇视频叙事，缓解现有线性流水线中的身份漂移和级联失败问题。该框架包含 Co-Director、CANVAS、A²RD 和 VQQA 等组件，将长篇视频生成建模为全局优化与世界状态跟踪问题，并原生继承 SynthID 水印等安全机制。评

开发者称可诱导 Meta Muse 下载其整个文件系统

两名开发者 Peter James 和 Jonny L. Saunders 称，只需少量提示即可让 Meta 的 AI 助手 Muse 打包并分享其整个根文件系统、Ubuntu 系统文件、应用模板和内部文档，Saunders 称其「几乎没有提示注入抵抗力」。Meta 否认这是安全漏洞，称 Muse 运行在每位用户独立的持久 Linux 虚拟机中，导出虚拟机数

Meta 的 Muse 看起来很像 OpenClaw

Meta 推出消费级 AI 代理 Muse，上线后登顶 App Store 榜单，据 Apptopia 估计在美国有 60 万日活用户。社交媒体用户指控 Muse 直接基于开源平台 OpenClaw 构建，因为两者使用相同的核心文件名（SOUL.md、memory、tools 等）和相似的人格设定文档。Meta 产品负责人 Nat Friedman 否认抄袭

Meta 的 Muse AI 吉祥物太可爱，反而令人不安

The Verge 记者 Victoria Song 撰文批评 Meta 的 Muse AI 吉祥物设计过于可爱，认为这种可爱外表会让人放松警惕、更愿意分享个人健康等隐私信息。她实测发现 Muse 生成的健身计划质量平平，但可爱的形象促使她透露更多数据。文章还指出 Muse 将登陆 Meta 所有智能眼镜及新可穿戴设备 Charm，并质疑 Meta 可能借此

Cerebras：网络防御为何需要更快的推理速度

Cerebras 博客文章指出，AI 智能体正以更快的速度和规模发动网络攻击，CrowdStrike 报告显示 AI 驱动的攻击操作同比增长 89%，最快突破时间仅 27 秒。OpenAI 的 Greg Brockman 透露已将 25% 的生产工程师调去构建「防御工厂」。Cerebras 借此宣传其推理速度优势，称运行 GPT-5.6 Sol Ultraf

TechCrunch Disrupt 2026 聚焦高风险场景下的 AI 系统构建

TechCrunch Disrupt 2026 将举办一场名为“当失败不是选项时构建 AI 系统”的专题讨论，邀请 Shield AI 首席技术官 Nathan Michael、Waabi 创始人兼 CEO Raquel Urtasun 以及通用汽车机器人战略总监 Mikell Taylor 同台。三位嘉宾将围绕物理世界中的自主系统，讨论安全文化、测试验证、

美国法案提议永久禁止人工超级智能并设立新联邦AI机构

美国参议员伯尼·桑德斯与众议员格雷格·卡萨尔于9月23日提出一项法案，拟永久禁止人工超级智能的开发与使用，并在新联邦机构制定明确安全规则前立即冻结先进AI系统的研发。该法案还要求设立内阁级AI机构，违规企业可能被强制解散，个人最高面临20年监禁，并推动国际协议在全球范围内阻止超级智能开发。

另有 1 家信源报道

为何不能简单将失控AI隔离于互联网之外

文章探讨为何不能简单地将失控AI与互联网隔离（air gap）。研究者指出，严格气隙虽能提升测试安全性，却会降低真实性和实用性，因为现实评估常需访问外部API和服务。气隙成本高、拖慢研究，且无法消除模型内部潜在风险，还可能被USB等方式突破。专家主张采用分层隔离而非一刀切方案。

Flock在华盛顿遭遇两党质疑：AI监控网络听证会CEO缺席

美国参议院司法委员会就Flock的“AI监控网络”举行听证会，Flock及Axon、Motorola Solutions、Verkada等同行CEO均拒绝出席。两党议员对自动车牌识别系统（ALPR）大规模收集并存储未涉案公民位置数据、数据安全及执法滥用风险表达一致担忧，一名佛罗里达女性称因Flock摄像头误识别而在狱中度过13天。听证会显示相关立法仍处早期阶

Meta Muse 客户端被曝零日漏洞：调试配置可绕过 macOS 安全边界

安全研究员 Patrick Wardle 披露 Meta 新推出的 macOS 版 Muse AI 助手存在未修补的零日漏洞，攻击者可利用未公开的调试配置项 endo voyager dictation endpoint 将语音听写流量重定向至自有服务器，窃取音频与账户认证令牌，并借代理注入实施提示注入攻击。Meta 将该问题定性为内部配置缺陷，未申请 CV

另有 1 家信源报道